BriefGPT - AI 论文速递
·
多尺度推进的自适应相关学习用于面部动作单元检测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种基于空间-时间关系和注意力机制的面部动作单元检测框架，通过空间-时间图卷积网络捕捉动态面部动作单元的关系，并使用自适应学习的边界权重形成关系图。通过注意力机制自适应地学习区域注意力，抑制不相关区域提取每个AU的特征。实验结果显示，在BP4D和DISFA基准测试中实现了显著的改进。
🎯
关键要点
- 提出了一种基于空间-时间关系和注意力机制的面部动作单元检测框架。
- 使用空间-时间图卷积网络捕捉动态面部动作单元的空间和时间关系。
- 通过自适应学习的边界权重形成关系图。
- 引入注意力机制自适应学习区域注意力，抑制不相关区域以提取每个AU的特征。
- 实验结果在BP4D和DISFA基准测试中显示显著改进。
➡️
