PulseAugur
中
实时 08:37:06
English(EN) Explainable graph attention network for stress recognition (StressGAT) via differential action units

StressGAT：用于个性化压力识别的可解释图注意力网络

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了StressGAT，一种新颖的图注意力网络，旨在通过面部表情识别压力。该模型通过纳入个性化基线和捕捉非线性时间动态，解决了传统循环神经网络和卷积神经网络的局限性。StressGAT在受试者无关识别中达到了88.62%的准确率，并包含一个多实例学习注意力机制，用于识别峰值压力区间并揭示表达能力表型，从而增强了临床应用的可解释性。 AI

影响 引入了一种更具可解释性和个性化的压力识别方法，可能有助于情感计算和心理健康监测。

排序理由 该集群包含一篇详细介绍新模型和方法的学术论文。[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 →

StressGAT：用于个性化压力识别的可解释图注意力网络

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Thomas Kassiotis, Stefanos Gkikas, Nikolaos Smyrnis, Giorgos Giannakakis ·

    用于通过差分动作单元进行压力识别（StressGAT）的可解释图注意力网络

    arXiv:2607.20819v1 Announce Type: new Abstract: Stress is a dynamic process characterized by significant individual variability in facial expression. Traditional architectures, such as Recurrent Neural Networks (RNNs) and Convolutional Neural Networks (CNNs), often overlook perso…

相关实体

相关话题