ABSTRAK
Ekspresi mikro (ME) adalah gerakan wajah spontan dan sementara yang mencerminkan emosi internal yang nyata dan telah diterapkan secara luas di berbagai bidang. Metode berbasis pembelajaran mendalam terkini telah berkembang pesat dalam pengenalan ekspresi mikro (MER). Namun, biasanya fokus pada sifat ME yang sepihak, yang hanya mencakup fitur representasional atau fitur Unit Aksi (AU) peringkat rendah. Perubahan halus dalam ME mencirikan representasi fiturnya lemah dan tidak mencolok, sehingga sulit untuk menganalisis ME hanya dari satu bagian atau sejumlah kecil informasi untuk mencapai efek pengenalan yang cukup besar. Selain itu, informasi tingkat rendah hanya dapat membedakan ME dari satu perspektif berdimensi rendah dan mengabaikan potensi kombinasi ME dan AU yang sesuai satu sama lain. Untuk mengatasi masalah ini, pertama-tama kami mengeksplorasi bagaimana hubungan tingkat tinggi dari berbagai kombinasi AU sesuai dengan ME melalui analisis statistik. Setelah itu, berdasarkan atribut ini, kami mengusulkan model multialiran ujung ke ujung yang mengintegrasikan pembelajaran fitur global dan representasi gerakan otot lokal yang dipandu oleh informasi semantik AU. Eksperimen perbandingan dilakukan pada kumpulan data acuan, dengan kinerja yang lebih baik daripada metode terkini. Selain itu, eksperimen ablasi menunjukkan perlunya model kami untuk memperkenalkan informasi AU dan hubungannya dengan MER.
Agregasi Fitur yang Dipandu AU untuk Pengenalan Ekspresi Mikro
