该文章介绍了一种新的方法，结合了微分几何、核平滑和谱分析，用于量化面部肌肉活动。该方法可用于广泛可访问的视频录制，如个人智能手机。它具有实用性和可访问性，并在国家安全和整形外科领域有潜在应用。此外，它还可用于远程诊断和监测中风、贝尔氏麻痹和听神经瘤等疾病，并能准确识别和分类不同程度的情绪。这种面部肌肉分析技术是对深度学习方法和面部肌肉电图（fEMG）的替代。

该论文介绍了一种基于 Transformer 的情绪分类方法，通过训练模型建立了基准分类模型，并考虑了情绪的价值和激活水平，结果表明该方法能够准确预测情绪并降低错误率。

该研究提出了一种新的方法，用于量化面部肌肉活动。该方法结合了微分几何、核平滑和谱分析，适用于广泛可访问的视频录制。它具有实用性和可访问性，并在国家安全和整形外科领域有潜在应用。此外，该方法还可以远程诊断和监测中风、贝尔氏麻痹和听神经瘤等疾病，并能准确识别和分类不同的情绪。这种面部肌肉分析技术是对深度学习方法的可解释性替代和面部肌肉电图（fEMG）的非侵入性替代。

通过利用标签信息进行多模态情绪识别的新方法，学习每个话语的标签增强文本/语音表示，并设计了标签引导的注意融合模块，融合具有标签意识的文本和语音表示进行情绪分类。实验证明该方法优于现有基线并取得了最佳性能。