BriefGPT - AI 论文速递
·
AUFormer：视觉 Transformer 是参数高效的面部动作单元检测器
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章介绍了一种基于面部动作单元（AU）的参数高效迁移学习方法，使用AUFormer和MoKE协同机制实现AU检测，同时设计了MDWA-Loss来关注激活的AU、区分未激活AU的难度并排除标签错误样本。实验证明AUFormer具有最先进的性能和泛化能力，无需其他相关数据。
🎯
关键要点
- 介绍了一种基于面部动作单元（AU）的参数高效迁移学习方法。
- 引入了AUFormer和MoKE协同机制以实现AU检测。
- 设计了MDWA-Loss以关注激活的AU，区分未激活AU的难度，并排除标签错误样本。
- 实验证明AUFormer具有最先进的性能和强大的泛化能力，无需依赖其他相关数据。
➡️
