基于运动情感特征解耦网络的微表情识别——MEDN
计算机视觉与模式识别
2026-04-21 v1
摘要
不同于宏表情，微表情不遵循情绪与动作单元（AUs）之间的严格一致映射规则。因此，一些微表情共享相同的 AUs 却代表完全相反的情绪类别，导致其视觉上高度相似。现有的微表情识别（MER）方法主要依赖显式面部运动线索（如光流、帧差、AU 特征），而忽略了隐式情感信息。为此，本文提出一种基于运动情感特征解耦的网络（MEDN）用于 MER。我们设计一个双分支框架分别提取运动和情感特征。在运动分支中，AU 检测任务将特征限制在显式运动领域，采用正交损失以减少运动情感特征的耦合。对于隐式情感建模，我们提出稀疏情感视觉转换器（SEVit），通过多尺度稀疏率稀疏化空间标记，以突出局部时间变化。我们进一步开发了协作融合模块（CoFM）用于自适应融合解耦后的运动和情感特征。广泛的实验在三个基准数据集上验证了 MEDN 有效地解耦了运动和情感特征，并实现了卓越的识别性能，为增强识别准确性和泛化能力提供了新的视角。
引用
@article{arxiv.2604.17899,
title = {MEDN: Motion-Emotion Feature Decoupling Network for Micro-Expression Recognition},
author = {Chenxing Hu and Kun Xie and Qiguang Miao and Ruyi Liu and Quan Wang and Zongkai Yang},
journal= {arXiv preprint arXiv:2604.17899},
year = {2026}
}
备注
14 pages, 8 figures, 7 tabels