基于动量原型中心学习的动态面部表情识别新框架：挖掘非目标帧的过渡线索价值

推荐：针对动态面部表情识别(DFER)中非目标帧信息利用率低的难题，研究人员提出动量原型中心学习框架(PCM)，通过原型伪标签生成器(PPG)和局部-全局时序编码器(LGTFE)模块，有效挖掘非目标帧的过渡语义线索，在DFEW等三大数据集上实现SOTA性能，为6G时代情感计算提供新范式。

　　

在人工智能与情感计算快速发展的今天，动态面部表情识别(Dynamic Facial Expression Recognition, DFER)技术已成为人机交互、心理健康评估等领域的核心技术。然而现实场景中，面部表情往往呈现从非目标状态(如中性表情)向目标情绪(如愤怒)的渐进式过渡，现有方法却简单丢弃这些"非目标帧"，导致关键过渡语义信息丢失。更棘手的是，局部面部区域(如皱眉肌)可能比整体表情更早显现情绪特征，这种微观动态同样未被现有模型充分捕捉。

针对这一双重挑战，中国国家自然科学基金支持的研究团队在《Digital Signal Processing》发表创新成果。该研究提出动量原型中心学习框架(Prototype-Centered Learning, PCM)，其核心突破在于：首次系统论证非目标帧的过渡线索对DFER的增强作用，并通过两个关键技术实现——基于动量更新的原型伪标签生成器(PPG)动态挖掘非目标帧的潜在语义；局部-全局时序编码器(LGTFE)同步捕捉眉间纹等局部微表情和整体表情演变规律。实验表明，该框架在DFEW、MAFW等真实场景数据集上显著超越传统方法，尤其对"压抑愤怒"等复杂情绪的识别准确率提升显著。

关键技术方法包括：1) 采用CLIP视觉编码器提取帧级特征；2) PPG模块通过指数移动平均更新类原型，生成非目标帧伪标签；3) LGTFE模块通过区域注意力机制提取局部动态特征，再与全局时序特征融合；4) 使用DFEW等三个包含自然场景视频的基准数据集验证。

【研究结果】
• 原型伪标签生成：PPG模块通过动量更新策略使类原型逐步逼近真实类别中心，实验显示该方法使非目标帧伪标签准确率提升23.7%。
• 局部-全局特征融合：LGTFE模块中，区域特异性建模使"眼周肌肉收缩"等细微变化的检测灵敏度提高18.2%，全局注意力机制则有效捕捉表情演变轨迹。
• 跨数据集验证：在FERV39k上的跨域测试中，PCM对"强光遮挡"场景的鲁棒性较3D-Inception-ResNet提升31.4%，证实其泛化能力。

该研究开创性地将医学领域"症状前兆"分析思路引入DFER，证明非目标帧实为情绪转化的"语义路标"。其提出的PCM框架不仅刷新多项基准记录，更启示未来研究：情感计算需关注情绪产生的动态过程而非静态快照。这项成果为6G时代实时情感交互系统提供了关键技术支撑，尤其在远程心理健康监测等场景具有重大应用潜力。