Landmark-Guided Adaptive Encoder

新的LaCoVL-FER网络通过地标引导改进面部表情识别

研究人员开发了LaCoVL-FER，一个专为应对真实世界挑战性条件下的面部表情识别（FER）而设计的新型网络。该系统采用地标引导的自适应编码器，通过整合面部地标几何信息来优化视觉特征，从而减少噪声并增强与表情相关的表示。此外，视觉语言增强策略能够适应CLIP等预训练模型，生成实例特定的视觉和文本表示，提高鲁棒性和泛化能力。在RAF-DB、FERPlus和AffectNet等基准数据集上的实验表明，LaCoVL-FER的性能优于现有的最先进方法。