PulseAugur
中
实时 22:24:54
English(EN) MEDN: Motion-Emotion Feature Decoupling Network for Micro-Expression Recognition

新的MEDN网络解耦运动和情感以进行微表情识别

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的运动-情感特征解耦网络（MEDN），以改进微表情识别。该网络解决了微表情可能具有相似的面部动作单元但传达相反情感的挑战。MEDN采用双分支框架分别提取运动和情感特征，其中稀疏情感视觉Transformer（SEVit）用于隐式情感建模，协同融合模块（CoFM）用于自适应地合并这些解耦的特征。在基准数据集上的实验表明，MEDN取得了卓越的识别性能和泛化能力。 AI

影响 这项研究通过解耦运动和情感特征，为微表情识别提供了一种新颖的方法，有望提高分析细微面部线索的AI系统的准确性。

排序理由 该集群包含一篇详细介绍特定计算机视觉任务新网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的MEDN网络解耦运动和情感以进行微表情识别

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Chenxing Hu, Kun Xie, Qiguang Miao, Ruyi Liu, Quan Wang, Zongkai Yang ·

    MEDN：用于微表情识别的运动-情感特征解耦网络

    arXiv:2604.17899v2 Announce Type: replace Abstract: Unlike macro-expression, micro-expression does not follow a strictly consistent mapping rule between emotions and Action Units (AUs). As a result, some micro-expressions share identical AUs yet represent completely opposite emot…

相关话题