面向视频情感计算的鲁棒低秩稀疏框架
计算机视觉与模式识别
2026-02-03 v2
摘要
视频情感计算（VAC）是情感分析和人机交互的关键技术，由于复杂的情感动力学，导致模型不稳定和表征退化。由于不同情感背景下，情感波动的含义可能不同，其核心限制在于缺乏一种分离不同情感成分（即情感基（长期情感基调）和瞬时波动（短期情感波动））的层次化结构机制。为此，我们提出了低秩稀疏情感理解框架（LSEF），该框架基于低秩稀疏原理，理论上将情感动力学重新定义为层次化低秩稀疏组成过程。LSEF采用三模块设计：稳定性编码模块（SEM）捕获低秩情感基；动态解耦模块（DDM）分离稀疏瞬时信号；一致性集成模块（CIM）重构多尺度稳定性与活性性一致性。该框架通过秩感知优化（RAO）策略进行优化，该策略自适应地平衡梯度光滑性和灵敏度。大量实验表明，LSEF显著提升了鲁棒性和动态判别能力，进而验证了层次化低秩稀疏建模理解情感动力学的有效性和普适性。
引用
@article{arxiv.2511.11406,
title = {Robust Low-Rank Sparse Framework for Video-Based Affective Computing},
author = {Feng-Qi Cui and Jinyang Huang and Sirui Zhao and Xinyu Li and Xin Yan and Ziyu Jia and Xiaokang Zhou},
journal= {arXiv preprint arXiv:2511.11406},
year = {2026}
}