SMA-STN：用于微表情识别的分段运动关注时空网络
计算机视觉与模式识别
2020-10-20 v1 人工智能
摘要
正确感知微表情十分困难，因为微表情是一种无意识、受抑制且细微的面部表情，高效揭示微表情序列中的细微运动变化并捕获关键分段是微表情识别（MER）的关键。为应对这一关键问题，本文首先提出动态分段稀疏成像模块（DSSI），在一种独特的采样协议下计算动态图像作为局部-全局时空描述子，以高效方式直观揭示细微运动变化。其次，提出分段运动关注时空网络（SMA-STN）以进一步揭示难以察觉的微小运动变化，其利用时空运动关注模块（STMA）捕获面部表情的远距离空间关系并对时间分段加权。此外，SMA-STN 中嵌入了偏移增强损失（DE-Loss），以增强 SMA-STN 在特征层面对细微运动变化的鲁棒性。在三个广泛使用的基准（即 CASME II、SAMM 和 SHIC）上的大量实验表明，所提出的 SMA-STN 取得了优于其他最先进方法的 MER 性能，证明了所提方法可有效处理这一具挑战性的 MER 问题。
引用
@article{arxiv.2010.09342,
title = {SMA-STN: Segmented Movement-Attending Spatiotemporal Network forMicro-Expression Recognition},
author = {Jiateng Liu and Wenming Zheng and Yuan Zong},
journal= {arXiv preprint arXiv:2010.09342},
year = {2020}
}
备注
9 pages