实体
SMIC-HS
SMIC-HS
PulseAugur coverage of SMIC-HS — every cluster mentioning SMIC-HS across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的STAG网络通过联合时空建模增强微表情识别能力
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。
-
新的MER方法使用MESTI和MEGANet取得最先进的成果
研究人员开发了一种新颖的微表情识别（MER）方法，引入了微表情时空图像（MESTI）。MESTI将视频序列转换为单张图像，有效捕捉微表情的细微时间模式。他们还提出了微表情梯度注意力网络（MEGANet）来增强细粒度运动特征的提取。实验表明，MESTI与现有的MER网络结合使用可提高性能，并且MEGANet在多个数据集上取得了最先进的成果。