【菜鸡读论文】Micro-expression Recognition Based on Facial Graph Representation Learning and Facial Action

大家好哇！

这一周就正式开学啦，因此也要开始读论文了。快乐的寒假总会过去，现在又迎来了可怜的打工人时刻。不过上了一周课之后，倒也感觉不像周一这么排斥开学了，也可能因为今天是周五吧（所以才说出这种毫无道理的话哈哈）。

新的一年，也有新的目标，本猫头的目标是今年一定脱单！哈哈哈！【痴人说梦】

让我们来看看今天要读的论文吧！

这是CVPR2021年的一篇论文

首先让我们来总体地看一下这个网络架构图

输入是Onset帧和Apex帧，输入到一个运动放大网络MagNet中对运动进行放大，也就是表情运动的幅度进行放大。接下来，从中间层提取一个人脸特征表示（不是最终放大的输出），基于人脸地标landmarks取30个人脸地标，每个人脸地标取附近一个7*7的块，这就是一个人脸图（Facial Graph）。接下来把30个块拉成通道的形式，分别进行点学习（Node Learning）和边学习（Edge Learning），这个是主分支。

接下来看AU学习模块，图卷积网络需要两个输入，节点特征矩阵和表示节点之间的关系的邻接矩阵。结点特征矩阵就是选取的九个AU，原本对于每个节点应该是一个one-hot向量，作者在这里使用类似于NLP的嵌入层将其转换成一个高维向量作为节点矩阵。邻接矩阵是通过CASME2获取的各个AU之间的条件概率，接下来会详细介绍。

最后将AU学习模块和图学习模块进行融合，通过一个全连接层获得最终的表情分类结果。

对于每个子模块，接下来详细介绍。

Node Learning

所提出的深度卷积（DConv）在每个通道上独立地执行空间卷积，同时保持通道的数量不变。可以保留每个节点块的内部空间信息。我们称这个步骤为节点学习。

Edge Learning

下一步需要在节点块之间进行全局特征学习，即边缘学习。

Transformer的编码器Etran可以计算序列中组件之间的关系。每个节点块作为一个独立的组件被输入到Etran，然后就可以学习节点之间的关系，即边。直到这一步，整个图的表示都已经自动地从Dconv和Etran学习出来了。

AUFusion

下面是图卷积的公式，以及每个变量的含义。

因为使用的三个AUs只发生在眉毛（AOE），剩下的6个AUs只发生在嘴（AoM）。

我们可以灵活的分离特征（两个Etran分别代表两个区域），眉毛的面部特征融合眉毛区域AU特征，而嘴部面部特征融合嘴部AU特征。

如下图所示，眉毛的AUs（AoE）和嘴的AUs（AoM）取Etran中每个对应向量的点积。

消融实验和结果