层次化时空注意力在微表情识别中的应用
原文中文,约200字,阅读约需1分钟。发表于: 。提出了一种基于 Hierarchical Space-Time Attention (HSTA) 的微表情识别方法,通过建立微表情视频帧与特定面部区域之间的联系以及跨模态数据的融合,实现了对微小的面部动作和情感的识别和分析。
本文提出了一种基于Transformer网络的多模态多尺度算法,用于学习微表情的局部多粒度特征,提取不同尺度脸部局部区域特征。实验结果显示该算法在多个数据集上表现出色。
提出了一种基于 Hierarchical Space-Time Attention (HSTA) 的微表情识别方法,通过建立微表情视频帧与特定面部区域之间的联系以及跨模态数据的融合,实现了对微小的面部动作和情感的识别和分析。
本文提出了一种基于Transformer网络的多模态多尺度算法,用于学习微表情的局部多粒度特征,提取不同尺度脸部局部区域特征。实验结果显示该算法在多个数据集上表现出色。