用于长视频中宏表情与微表情检测的浅层光流三流 CNN
计算机视觉与模式识别
2021-06-14 v1 多媒体
摘要
面部表情从可见到细微各不相同。近年来，微表情——一种因抑制真实情绪而产生的自然现象——的分析引起了研究者的关注，具有广泛的应用潜力。然而，当微表情与正常或宏表情交织时，在长视频中检测微表情变得愈发困难。本文提出一种浅层光流三流 CNN（SOFTNet）模型，以预测捕捉帧处于表情区间可能性的分数。通过将检测任务构建为回归问题，我们引入伪标签以促进学习过程。我们在近期 MEGC 2020 基准上展示了所提方法的效能与效率，在 CAS(ME) 上取得了 SOTA 性能，在 SAMM Long Videos 上亦获得同样可观的结果。
引用
@article{arxiv.2106.06489,
title = {Shallow Optical Flow Three-Stream CNN for Macro- and Micro-Expression Spotting from Long Videos},
author = {Gen-Bing Liong and John See and Lai-Kuan Wong},
journal= {arXiv preprint arXiv:2106.06489},
year = {2021}
}
备注
Accepted for publication in ICIP2021. 9 pages, including 3 pages of supplemental notes