面向面部动作单元识别的多级自适应感兴趣区域与图学习
计算机视觉与模式识别
2021-02-25 v1
摘要
在面部动作单元(AU)识别任务中，区域特征学习和AU关系建模是两个值得探索的有效方面。然而，区域特征有限的表示能力使得关系模型难以嵌入AU关系知识。本文提出一种新颖的多级自适应ROI与图学习(MARGL)框架来解决该问题。具体而言，设计了一个自适应ROI学习模块来自动调整预定义AU区域的位置和大小。同时，除AU间关系外，骨干网络多级区域特征间也存在强相关性，因为层级特征关注表示的不同方面。为同时融入层级内AU关系和层级间AU区域相关性，构建了多级AU关系图并执行图卷积，以进一步增强每一级的AU区域特征。在BP4D和DISFA上的实验表明，所提MARGL显著优于先前的最先进方法。
引用
@article{arxiv.2102.12154,
title = {Multi-Level Adaptive Region of Interest and Graph Learning for Facial Action Unit Recognition},
author = {Jingwei Yan and Boyuan Jiang and Jingjing Wang and Qiang Li and Chunmao Wang and Shiliang Pu},
journal= {arXiv preprint arXiv:2102.12154},
year = {2021}
}
备注
Camera Ready, ICASSP 2021