基于先验信息的分解与重构学习用于微表情识别
计算机视觉与模式识别
2023-03-06 v1
摘要
微表情识别（MER）因微表情（MEs）可推断真实情绪而引发广泛研究兴趣。先验信息可引导模型有效学习判别性ME特征。然而，多数工作聚焦于研究具有更强表示能力的一般模型，以整体方式自适应聚合ME运动信息，可能忽略MEs的先验信息与特性。为解决此问题，受“ME类别可由面部不同部件动作间关系推断”这一先验信息驱动，本文设计了一种符合该先验信息并以可解释方式学习ME运动特征的新模型。具体而言，本文提出一种基于分解与重构的图表示学习（DeRe-GRL）模型以有效学习高层ME特征。DeRe-GRL包含两个模块：动作分解模块（ADM）与关系重构模块（RRM），其中ADM学习面部关键部件的动作特征，RRM探索这些动作特征间的关系。基于面部关键部件，ADM将图模型主干提取的几何运动特征划分为若干子特征，并学习映射矩阵将这些子特征映射为多个动作特征；随后，RRM学习权重对所有动作特征加权以构建动作特征间的关系。实验结果证明了所提模块的有效性，且所提方法取得了具有竞争力的性能。
引用
@article{arxiv.2303.01776,
title = {Prior Information based Decomposition and Reconstruction Learning for Micro-Expression Recognition},
author = {Jinsheng Wei and Haoyu Chen and Guanming Lu and Jingjie Yan and Yue Xie and Guoying Zhao},
journal= {arXiv preprint arXiv:2303.01776},
year = {2023}
}
备注
The article has been accepted by IEICE TRANS. Information and Systems