SAMM 长视频：一个自发面部微表情与宏表情数据集
计算机视觉与模式识别
2020-03-02 v2
摘要
近年来面部微表情日益受到关注，对包含微表情与宏表情的长视频需求仍然很高。本文在 2016 年发布的微表情数据集 SAMM 基础上扩展，提出 SAMM 长视频数据集，用于自发微表情与宏表情的识别与 spotting（ spotting 指表情定位检测）。SAMM 长视频数据集包含 147 个长视频，其中有 343 个宏表情和 159 个微表情。该数据集经 FACS 编码并带有详细的动作单元（AUs）。我们将本数据集与中国科学院宏微表情（CAS(ME)2）数据集进行比较，后者是唯一可用的带微表情与宏表情的完整标注数据集。此外，我们使用 OpenFace 对长视频进行预处理，包括人脸对齐和面部 AU 检测。我们利用该数据集进行面部表情 spotting，并与 MEGC III 的基线比较。我们的 spotting 方法以 0.3299 的 F1 分数优于基线结果。
引用
@article{arxiv.1911.01519,
title = {SAMM Long Videos: A Spontaneous Facial Micro- and Macro-Expressions Dataset},
author = {Chuin Hong Yap and Connah Kendrick and Moi Hoon Yap},
journal= {arXiv preprint arXiv:1911.01519},
year = {2020}
}