PriorNet: 基于先验指导的面部视频参与度估计
计算机视觉与模式识别
2026-05-06 v1
摘要
面部视频参与度估计仍然具有挑战性，因为面部证据往往不完整，标记数据有限，且参与度标注具有主观性。我们提出PriorNet，一个先验指导框架，在管道的三个阶段注入任务相关的先验：预处理、模型适应和目标设计。PriorNet 将面部检测故障转换为显式的零帧占位符，以便在输入序列中保留缺失面部事件，通过先验引导的低秩适应模块（Prior-LoRA）为参数高效的专业化，适配冻结的自监督视频面部情感感知器（SVFAP）主干网络，并在硬标签监督下使用Dirichlet-证据、不确定性加权目标进行训练。我们在 EngageNet、DAiSEE、DREAMS 和 PAFE 上评估了 PriorNet，使用每个数据集的本机评估协议。在这些基准测试中，PriorNet 在每个数据集的评估框架内的每个最强参考之上均实现了改进，同时在 EngageNet 和 DAiSEE 上的组件消融表明，增益来自预处理、适应和目标层面先验的互补贡献。这些结果支持在本工作所研究的基准条件下，明确地将先验注入作为面部视频参与度估计的有用设计原则。
引用
@article{arxiv.2605.03615,
title = {PriorNet: Prior-Guided Engagement Estimation from Face Video},
author = {Alexander Vedernikov},
journal= {arXiv preprint arXiv:2605.03615},
year = {2026}
}