本文介绍了一种基于深度学习的面部表情识别算法，显著提升了在BP4D和DISFA数据集上的表现。研究提出了面部动作单元检测、表情合成和自监督学习模型等多种方法，推动了面部表情识别技术的发展。

本研究提出了一种基于空间-时间关系和注意力机制的面部动作单元检测框架，通过空间-时间图卷积网络捕捉动态面部动作单元的关系，并使用自适应学习的边界权重形成关系图。通过注意力机制自适应地学习区域注意力，抑制不相关区域提取每个AU的特征。实验结果显示，在BP4D和DISFA基准测试中实现了显著的改进。