软化掩码：用于高效动态面部表情识别的自适应时间软掩码
计算机视觉与模式识别
2026-05-29 v2
摘要
动态面部表情识别（DFER）通过非语言交流促进对心理意图的理解。现有方法难以处理无关信息（如背景噪声和冗余语义），这影响了效率与有效性。在本工作中，我们提出了一种用于 DFER 的新型有监督时间软掩码自编码器网络，即 AdaTosk，它将并行的有监督分类分支与自监督重建分支相结合。自监督重建分支应用随机二值硬掩码来生成多样化的训练样本，促使可见 token 中产生有意义的特征表示。同时，分类分支采用自适应时间软掩码，根据可见 token 的时间重要性对其进行灵活掩码。其两个关键组件——即与类别无关的软掩码和类别语义软掩码——分别用于增强关键表情时刻并随时间减少语义冗余。在广泛使用的基准上进行的大量实验表明，与当前最先进的方法相比，我们的 AdaTosk 显著降低了计算成本，同时仍保持了具有竞争力的性能。
引用
@article{arxiv.2502.21004,
title = {Soften the Mask: Adaptive Temporal Soft Mask for Efficient Dynamic Facial Expression Recognition},
author = {Meng-zhu Li and Quanxing Zha and Hongjun Wu},
journal= {arXiv preprint arXiv:2502.21004},
year = {2026}
}
备注
6 pages, 3 figures