用于动作单元检测的多序网络
计算机视觉与模式识别
2023-03-07 v2
摘要
动作单元(AU)是用于描述面部表情的肌肉激活。因此准确的 AU 识别可解锁无偏的面部表示,从而改进基于人脸的情感计算应用。从学习角度看,AU 检测是一个具有强任务间依赖的多任务问题。为解决此类问题,多数方法要么依赖权重共享,要么通过使用贝叶斯链式法则分解联合任务分布来显式建模依赖。若后者策略能对任务间关系进行全面建模,它需要对无序任务集强加任意顺序。关键的是,这种顺序选择已被确定为性能变动的一个来源。本文中,我们提出多序网络(MONET),一种具有联合任务顺序优化的多任务方法。MONET 使用可微顺序选择来联合学习任务级模块及其最优链接顺序。此外,我们引入预热与顺序 dropout,通过鼓励顺序探索来增强顺序选择。在实验上,我们首先证明 MONET 在玩具环境中检索最优顺序的能力。其次,我们通过展示 MONET 在多个因其广泛依赖设置而被选中的属性检测问题上优于现有多任务基线,验证了 MONET 架构。更重要的是,我们证明 MONET 显著扩展了 AU 检测中的最先进性能。
引用
@article{arxiv.2202.00446,
title = {Multi-Order Networks for Action Unit Detection},
author = {Gauthier Tallec and Arnaud Dapogny and Kevin Bailly},
journal= {arXiv preprint arXiv:2202.00446},
year = {2023}
}