MELDAE：面向野生对话场景的微表情 spotting、检测与自动评估框架
计算机视觉与模式识别
2025-10-28 v1
摘要
准确分析自发、不自觉的微表情对于揭示真实人类情绪至关重要，但此任务在野生场景（如自然对话）中仍具有挑战性。现有研究主要依赖受控制实验环境中的数据集，在真实世界中性能会显著下降。为此，我们提出了三个贡献：首个聚焦对话式野生场景的微表情数据集；一个端到端的局化与检测框架 MELDAE；以及一种新颖的边界感知损失函数，通过惩罚起始和结束错误来提高时序精度。大量实验表明，我们的框架在 WDMD 数据集上实现了最先进的结果，显著优于最强基线，提高了关键 F1_{DR} 局化指标17.72%，同时在现有基准测试上也表现出优异的泛化能力。
引用
@article{arxiv.2510.22575,
title = {MELDAE: A Framework for Micro-Expression Spotting, Detection, and Automatic Evaluation in In-the-Wild Conversational Scenes},
author = {Yigui Feng and Qinglin Wang and Yang Liu and Ke Liu and Haotian Mo and Enhao Huang and Gencheng Liu and Mingzhe Liu and Jie Liu},
journal= {arXiv preprint arXiv:2510.22575},
year = {2025}
}