利用部分表情序列学习时空特征以实现即时预测
计算机视觉与模式识别
2017-11-30 v1
摘要
时空特征编码对于视频序列中面部表情动态的编码至关重要。在测试时，多数时空编码方法假设将时间分割后的序列输入已训练模型，这可能要求预测需等待完整序列可用于执行时间分割的辅助任务。这导致表情预测延迟。在诸如情感交互智能体等交互场景中，此类预测延迟不可容忍。因此，训练一个能准确“即时”（随输入进入系统）预测面部表情的模型至关重要。本文提出一种新的时空特征学习方法，其允许使用部分序列进行预测。据此，预测可即时执行。所提方法利用估计的表情强度生成密集标签，并以新颖目标函数调控预测模型训练。结果表明，学到的时空特征能利用部分（不完整）表情序列稳健地即时预测表情。实验结果显示，相较最先进方法，所提方法在两个数据集上均取得更高识别率。更重要的是，结果验证了所提方法改进了部分表情序列输入的预测帧。
引用
@article{arxiv.1711.10914,
title = {Learning Spatio-temporal Features with Partial Expression Sequences for on-the-Fly Prediction},
author = {Wissam J. Baddar and Yong Man Ro},
journal= {arXiv preprint arXiv:1711.10914},
year = {2017}
}
备注
Accepted at AAAI 2018