本研究探讨了通道和空间注意力机制对传统CNN视觉模型在面部情感识别中的性能提升，发现不同激活函数的结合显著提高了模型效果，具有重要的应用潜力。

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。

本文研究了热成像在面部情感识别上的独特性，并探讨了其在计算机视觉和人工智能领域的潜在用途。然而，采用热成像作为人类中心的AI任务的数据源并不容易，需要高保真的数据来源和彻底的验证。数据收集和开发的局限性是使用该技术的限制之一。