微表情是一种短暂的、微弱的、无意识的面部微表情，持续时间往往在0.5s内，能够揭示人类试图隐藏的真实情绪。微表情识别的研究旨在让机器有足够的智能，能够从人脸视频序列中识别人类的真实情绪。然而由于微表情持续时间短、面部肌肉运动强度低，对其进行准确的表征与识别是一项极具挑战性的任务。为了促进心理学领域和计算机视觉领域针对微表情的进一步研究，由中国图象图形学学会（CSIG）和中国科学院心理研究所举办、CSIG机器视觉专业委员会、CSIG情感计算与理解专业委员会和中科院青促会心理所小组联合承办，中国科学院心理研究所的王甦菁博士和李婧婷博士组织一系列云上微表情的学术活动。

第五十九期云上微表情将于2024年12月30日晚7点进行，线上由中国科学院心理研究所王甦菁老师团队的李婧婷博士主持。此次讲座邀请到江西科技师范大学谢志华教授带来主题为“基于光流特征的Transformer融合微表情检测方法”的学术报告，欢迎大家关注！

讲者简介：

谢志华，博士，江西科技师范大学教授，研究兴趣：计算机视觉、生物特征识别与智能情感计算。美国罗切斯特理工大学图像科学中心访问学者，中国图象图形学会情感计算与理解专委会委员，江西科技师范大学智能科学与技术学科带头人，图像处理与模式识别研究室负责人，失效感知与绿色能源智能制造南昌市重点实验室主任。目前，主要从事计算机视觉与情感计算的研究工作，主持国家自然科学基金项目3项，省级重点项目3项，其他省部级项目3项。在《Optics Express》，《Applied Intelligence》，《Optics and Lasers in Engineering》，《Optical Engineering》，《中国图象图形学报》,《小型微型计算机系统》等国内外核心刊物发表论文50余篇，其中SCI检索20余篇。

报告摘要：个体情绪通常通过面部表情表现出来，其中宏观表情和微表情为不同的情绪应用提供了相应的视觉线索。对这些交织在一起的表情的定位是情绪应用中不可或缺的步骤，并引起了极大的研究兴趣。然而，由于噪声、无关运动以及微表情和宏表情之间的混淆，深度学习模型在鲁棒微表情检测面临巨大挑战。本报告在分析现有微表情检测研究现状的基础上，汇报课题组近期在基于光流特征的Transformer融合微表情检测的两个研究工作：①基于三流卷积Transformer融合模型的微表情检测方法，② 局部整体特征交互融合的微表情检测方法。报告旨在为探索基于Transformer强大全局建模能力设计有效的微表情检测模型提供思路。

参考文献：

[1] Zhihua Xie, Zhiwu Zhou, A Three streams Convolutional Transformer Fusion Model for Facial Macro- and Micro-Expressions Spotting, The 2024 CSIG Conference on Emotional Intelligence, Accepted, 2024

[2] Zhihua Xie, Xionghui Ye, Local and Global Features Interactive Fusion Network for Macro- and Micro-Expression Spotting in Long Videos, PRCV 2024, LNCS 15041, pp. 336–350, 2024

会 议 时 间 

2024年12月30日

19:00 - 20:30

学会官方视频号：

欢迎关注CSIG官方视频号，观看直播

腾讯会议：447-601-179

 扫码入会