RMES：基于Riesz金字塔相位的实时微表情 spotting
计算机视觉与模式识别
2023-05-10 v1
摘要
微表情（MEs）是无意识且细微的面部表情，被认为能揭示人们试图隐藏的情感。ME spotting检测视频中含MEs的时间区间。从长视频中检测此类快速而细微的运动十分困难。近期工作利用光流等精细面部运动表示及深度学习模型，导致高计算复杂度。为降低计算复杂度并实现实时运行，我们提出RMES，一种实时ME spotting框架。我们利用Riesz金字塔计算的相位表示运动，并将该运动表示输入三流浅层CNN，预测每帧属于ME的可能性。与光流相比，相位提供更局部化的运动估计，这对ME spotting至关重要，从而带来更高性能。使用相位还将ME spotting流程所需计算降低77.8%。尽管相对简单且计算复杂度低，我们的框架在两个公开数据集CAS(ME)2与SAMM Long Videos上取得了最先进性能。
引用
@article{arxiv.2305.05523,
title = {RMES: Real-Time Micro-Expression Spotting Using Phase From Riesz Pyramid},
author = {Yini Fang and Didan Deng and Liang Wu and Frederic Jumelle and Bertram Shi},
journal= {arXiv preprint arXiv:2305.05523},
year = {2023}
}
备注
This paper will be published in ICME 2023