该文综述面部情感识别研究，涵盖事件相机与NEFER数据集捕捉微表情、基于EfficientNet的实时视频情感分析、AffectNet百万级图像数据库、多模态生理信号解码及多任务对比学习等方法，推动真实场景下情感分析技术发展。

本文汇总多项面部情感与表情识别研究，涵盖非侵入式人脸视频情感检测（结合流形定位、散斑相关与光流分析微肌肉运动，并训练帧关注网络提升分类性能）、基于神经渲染和3D表情建模的语义视频编辑、多模态生理信号情感解码、微表情软生物识别、实时健身姿态识别、帕金森表情质量评估QAFE-Net、层次Transformer微表情识别、GaFET表情转化框架、CNN注视估计及CycleGAN遮挡人脸恢复等方法。

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。