用于个性化面部表情识别的姿态感知对抗域自适应
计算机视觉与模式识别
2020-07-14 v1
摘要
当前的面部表情识别方法无法同时应对姿态和主体变化。在本文中，我们提出了一种新颖的无监督对抗域自适应方法，可以同时缓解这两种变化。具体而言，我们的方法包含三种学习策略：对抗域自适应学习、跨对抗特征学习和重构学习。第一种旨在源域中学习与姿态和表情相关的特征表示，并通过施加对抗学习将这两种特征分布自适应至目标域的特征分布。通过使用个性化对抗域自适应，该学习策略可以缓解主体变化，并利用源域的信息来帮助在目标域中进行学习。第二种用于通过使与姿态相关的特征表示对表情不区分、与表情相关的特征表示对姿态不区分，从而在姿态和表情相关的特征表示之间进行特征解耦。最后一种可以通过应用人脸图像重构来进一步促进特征学习，使得学习到的与表情相关的特征表示对姿态和身份更具鲁棒性。在四个基准数据集上的实验结果证明了所提方法的有效性。
引用
@article{arxiv.2007.05932,
title = {Pose-aware Adversarial Domain Adaptation for Personalized Facial Expression Recognition},
author = {Guang Liang and Shangfei Wang and Can Wang},
journal= {arXiv preprint arXiv:2007.05932},
year = {2020}
}