PulseAugur
中
实时 13:57:25
English(EN) STAG: Spatio-temporal Evolving Structural Representation of Action Units for Micro-expression Recognition

新的STAG网络通过联合时空建模增强微表情识别能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的时空网络STAG，旨在提高微表情识别的准确性。该方法通过联合建模运动流和自适应面部连接来解决现有方法的局限性，超越了顶点-起始帧和独立的时空处理。STAG利用基于幅度选择的光流提取和时域注意力，并结合了图注意力网络和Transformer编码器的双分支架构。双向交叉注意力模块用于精炼时空特征，而AU引导的动态连接则根据肌肉激活情况调整区域交互。 AI

影响 这项研究可能带来更准确、更具可解释性的人类细微情感分析系统。

排序理由 该集群包含一篇详细介绍微表情识别新方法的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的STAG网络通过联合时空建模增强微表情识别能力

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Nandani Sharma, Varun Sharma, Dinesh Singh ·

    STAG：用于微表情识别的时空演化结构动作单元表示

    arXiv:2606.28083v1 Announce Type: cross Abstract: Micro-expression recognition is challenging due to subtle and short-lived facial muscle movements. Existing methods rely heavily on apex-onset frames, overlook fine-grained inter-frame dynamics, and separately model spatial and te…

  2. arXiv cs.AI TIER_1 English(EN) · Dinesh Singh ·

    STAG：用于微表情识别的时空演化结构动作单元表示

    Micro-expression recognition is challenging due to subtle and short-lived facial muscle movements. Existing methods rely heavily on apex-onset frames, overlook fine-grained inter-frame dynamics, and separately model spatial and temporal information, limiting generalization across…

相关实体

相关话题