趋势感知监督：面向半监督面部动作单元强度估计的不变性学习
计算机视觉与模式识别
2025-03-12 v1
摘要
随着面部行为分析需求的日益增长，仅使用关键帧标注的半监督 AU 强度估计已成为减轻标注负担的实用且有效的解决方案。然而，标注的缺乏使得由 AU 共现和主体变化引起的虚假相关问题更加突出，导致在 AU 之间纠缠且在主体之间产生偏倚的非鲁棒强度估计。我们观察到，关键帧标注中固有的趋势信息可以作为额外的监督，在训练过程中提高对 AU 特定面部外观变化趋势的感知是学习不变 AU 特定特征的关键。为此，我们提出了趋势感知监督（TAS），其追求三种趋势感知，包括趋势内排序感知、趋势内速度感知和趋势间主体感知。TAS 通过在训练期间提高趋势感知来学习表示相应面部外观变化的 AU 特定特征，以实现强度估计不变性，从而缓解虚假相关问题。在两个常用的 AU 基准数据集 BP4D 和 DISFA 上进行的实验证明了每种感知的有效性。并且在趋势感知监督下，可以在推理期间无需额外计算或存储成本即可提升性能。
关键词
引用
@article{arxiv.2503.08078,
title = {Trend-Aware Supervision: On Learning Invariance for Semi-Supervised Facial Action Unit Intensity Estimation},
author = {Yingjie Chen and Jiarui Zhang and Tao Wang and Yun Liang},
journal= {arXiv preprint arXiv:2503.08078},
year = {2025}
}