疼痛估计的PainNet：基于剧集的训练的统计关系网络
计算机视觉与模式识别
2025-04-09 v1
摘要
尽管在估计面部表情中的疼痛方面已有广泛工作，但针对序列级疼痛估计的工作有限，这类疼痛报告由患者提供且在临床中常被使用。本文提出一种新型统计关系网络，称为PainNet，专为估计序列级疼痛而设计。PainNet包含两个关键模块，即嵌入模块和关系模块，用于比较疼痛视频的配对，并产生指示每对是否属于同一疼痛类别的关系评分。嵌入模块的核心是安装在循环神经网络(RNN)顶部的统计层，用于提取紧凑的视频级特征。统计层作为深度架构的一部分实现，从而将以往研究中使用的多个训练阶段整合到单个端到端训练阶段。PainNet采用剧集训练方案进行训练，该方案涉及将查询视频与代表不同疼痛类别的视频集合进行比较。实验结果表明，统计层和剧集训练在本文模型中均有所收益。此外，PainNet在自报告疼痛估计方面超越了最先进的结果。
引用
@article{arxiv.2504.06257,
title = {PainNet: Statistical Relation Network with Episode-Based Training for Pain Estimation},
author = {Mina Bishay and Graham Page and Mohammad Mavadati},
journal= {arXiv preprint arXiv:2504.06257},
year = {2025}
}
备注
Presented at the ACII 2024 Workshops