MPFNet：用于微表情识别的多先验融合网络及渐进式训练策略
计算机视觉与模式识别
2025-06-12 v1
摘要
微表情识别 (MER) 是情感计算中的关键子领域，其持续时间短、强度小，使其面临更大的挑战。虽然已证明融合先验知识可提升 MER 性能，但现有方法主要依赖简单、单一来源的先验知识，未能充分利用多源信息。本文引入多先验融合网络 (MPFNet)，利用渐进式训练策略优化 MER 任务。我们提出两种互补编码器：通用特征编码器 (GFE) 和高级特征编码器 (AFE)，均基于 inflate 3D ConvNets (I3D) 引入坐标注意力 (CA) 机制，以提高模型捕获时空和通道特定特征的能力。灵感来源于发展心理学，我们提出了两种 MPFNet 变体——MPFNet-P 和 MPFNet-C——分别对应婴儿认知发展的两种基本模式：平行处理和层次处理。这两种变体使我们能够评估整合先验知识的不同策略。大量实验表明，MPFNet 在 MER 任务中显著提升识别精度，同时在各类别间保持均衡性能，在 SMIC、CASME II 和 SAMM 数据集上分别达到 0.811、0.924 和 0.857 的准确率。据我们所知，该方法在 SMIC 和 SAMM 数据集上实现了最佳性能。
引用
@article{arxiv.2506.09735,
title = {MPFNet: A Multi-Prior Fusion Network with a Progressive Training Strategy for Micro-Expression Recognition},
author = {Chuang Ma and Shaokai Zhao and Dongdong Zhou and Yu Pei and Zhiguo Luo and Liang Xie and Ye Yan and Erwei Yin},
journal= {arXiv preprint arXiv:2506.09735},
year = {2025}
}