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。

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，实现了不同尺度脸部局部区域特征的提取，并在三个自然数据集上进行了实验。结果显示该算法在准确度和F1值上表现出色。

本文提出了一种基于Transformer网络的多模态多尺度算法，通过学习微表情的局部多粒度特征，实现了不同尺度脸部局部区域特征的提取。实验结果表明，该算法在准确度和F1值上表现出色，具有领先水平。