通过解耦 3D 表情与身份实现“野外”实时面部表情识别
计算机视觉与模式识别
2020-05-13 v1 机器学习
图像与视频处理
摘要
人类情感分析一直是许多研究的焦点，尤其在情感计算领域，并且对诸多应用十分重要，例如人机智能交互、压力分析、交互式游戏、动画等。自动情感分析的解决方案也受益于深度学习方法的进展以及互联网上海量视觉面部数据的可得性。本文提出一种基于单张 RGB 图像的人类情感识别新方法。我们构建了一个大规模面部视频数据集（\textbf{FaceVid}），富含面部动态、身份、表情、外观及 3D 姿态变化。我们利用该数据集训练一个深度卷积神经网络以估计 3D 可变形模型的表情参数，并将其与有效的后端情感分类器结合。我们提出的框架以每秒 50 帧的速度运行，能够鲁棒地估计 3D 表情变化参数并准确识别野外图像中的面部表情。我们给出了广泛的实验评估，表明所提方法在估计 3D 表情参数上优于对比技术，并在从面部图像识别基本情感以及从面部视频识别压力方面达到最先进性能。
引用
@article{arxiv.2005.05509,
title = {Real-time Facial Expression Recognition "In The Wild'' by Disentangling 3D Expression from Identity},
author = {Mohammad Rami Koujan and Luma Alharbawee and Giorgos Giannakakis and Nicolas Pugeault and Anastasios Roussos},
journal= {arXiv preprint arXiv:2005.05509},
year = {2020}
}
备注
to be published in 15th IEEE International Conference on Automatic Face and Gesture Recognition (FG 2020)