Facial Expression Analysis: Leveraging Transformer-based Multimodal Information Fusion

今天golang学习网给大家带来了《Facial Expression Analysis: Leveraging Transformer-based Multimodal Information Fusion》，其中涉及到的知识点包括等等，无论你是小白还是老手，都适合看一看哦~有好的建议也欢迎大家在评论留言，若是看完有所收获，也希望大家能多多点赞支持呀！一起加油学习~

论文介绍

人类情感行为分析在人机交互（HCI）中备受关注。本文旨在介绍我们提交给CVPR 2022 Affective Behavior Analysis in-the-wild (ABAW)的论文。为了充分利用情感知识，我们采用了多模态特征，包括从Aff-Wild2 数据集中的视频剪辑中提取的口语、语音韵律和面部表情。基于这些特征，我们提出了一个基于transformer的多模式框架，用于动作单元检测和表情识别。该框架有助于更全面地理解人类情感行为，并为人机交互领域提供了新的研究方向。

对于当前帧图像，我们首先对其进行编码以提取静态视觉特征。同时，我们还利用滑动窗口对相邻帧进行裁剪，并从图像、音频和文本序列中提取三种多模态特征。接下来，我们引入了一个基于transformer的融合模块，用于融合静态视觉特征和动态多模态特征。该融合模块中的交叉注意力模块有助于将输出的集成特征集中在对下游检测任务有帮助的关键部分。为了进一步提高模型性能，我们采用了一些数据平衡技术、数据增强技术和后处理方法。在ABAW3 Competition的官方测试中，我们的模型在EXPR和AU赛道上均排名第一。通过广泛的定量评估和对Aff-Wild2数据集的消融研究，我们证明了我们提出的方法的有效性。

论文链接

https://arxiv.org/abs/2203.12367

到这里，我们也就讲完了《Facial Expression Analysis: Leveraging Transformer-based Multimodal Information Fusion》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于学术论文的知识点！