GReFEL：在偏差和不平衡数据分布下的几何感知可靠面部表情学习
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了面部表情学习中由于人脸结构、动作和人口统计特征的多样性导致的偏差和不平衡数据问题。提出的GReFEL方法结合视觉变换器和几何感知的可靠性平衡模块，旨在提高准确性和可靠性。实验结果表明，该模型在各种数据集上超越了当前的最先进方法，具有重要的实际应用潜力。
本文介绍了一种新的注意力特征提取框架ARBEx，由Vision Transformer驱动，解决面部表情学习中的类别分布不均和不确定性问题。通过学习型锚点、标签分布和多头自注意机制，提升性能和标签预测的稳定性。实验结果显示，该方法优于现有技术。
