3D疼痛：生成可控合成人脸用于自动化疼痛评估
计算机视觉与模式识别
2026-01-15 v4 机器学习
摘要
基于面部表情的自动化疼痛评估对于无法沟通的患者（如痴呆症患者）至关重要。进展受到两个挑战的限制：(i) 现有数据集由于伦理限制，存在严重的人口统计学和标签不平衡问题；(ii) 当前的生成模型无法精确控制面部动作单元（AU）、面部结构或经过临床验证的疼痛水平。我们提出了3DPain，这是一个专为自动化疼痛评估设计的大规模合成数据集，具有前所未有的标注丰富性和人口统计学多样性。我们的三阶段框架生成多样化的3D网格，使用扩散模型为其添加纹理，并应用AU驱动的面部绑定来合成多视角面部图像，这些图像包含配对的中性和疼痛图像、AU配置、PSPI分数，以及首个数据集级别的疼痛区域热力图标注。该数据集包含82,500个样本，涵盖25,000个疼痛表情热力图和2,500个按年龄、性别和种族平衡的合成身份。我们进一步引入了ViTPain，一个基于Vision Transformer的跨模态蒸馏框架，其中由热力图训练的教师模型指导在RGB图像上训练的学生模型，从而提高了准确性、可解释性和临床可靠性。3Dpain和ViTPain共同为可泛化的自动化疼痛评估建立了一个可控、多样且具有临床基础的基础。
引用
@article{arxiv.2509.16727,
title = {Pain in 3D: Generating Controllable Synthetic Faces for Automated Pain Assessment},
author = {Xin Lei Lin and Soroush Mehraban and Abhishek Moturu and Babak Taati},
journal= {arXiv preprint arXiv:2509.16727},
year = {2026}
}