GReFEL: التعلم الموثوق بالتعبيرات الوجهية مع الوعي الهندسي تحت تأثير التحيز وتوزيع البيانات غير المتوازن

التعلم الموثوق للتعبيرات الوجهية (FEL) يشمل التعلم الفعال لخصائص التعبيرات الوجهية المميزة لتحقيق توقعات أكثر موثوقية وحيادًا ودقة في البيئات الحقيقية. ومع ذلك، تواجه الأنظمة الحالية صعوبات في مهام التعلم الموثوق للتعبيرات الوجهية بسبب الاختلاف في تعبيرات الوجوه الناجم عن الهياكل الوجهية الفريدة، والحركات، والأصوات، والخصائص السكانية للأفراد. تزيد البيانات غير المتوازنة والمتحيزة من هذا التحدي، مما يؤدي إلى تسميات توقع خاطئة ومتحيزة. لمواجهة هذه التحديات، نقدم نظام GReFEL، الذي يستفيد من محولات الرؤية (Vision Transformers) ومن وحدة موازنة موثوقية تعتمد على نقاط ثابتة (anchors) وتعتبر الهندسة الوجهية لتقليل توزيع البيانات غير المتوازن والتحيز وعدم اليقين في التعلم الموثوق للتعبيرات الوجهية. يدمج نهجنا البيانات المحلية والعالمية مع نقاط ثابتة تتعلم نقاط بيانات وجه مختلفة وميزات هيكلية، مما يتيح لنا ضبط العواطف المتحيزة أو المشوهة التي تتسبب فيها الاختلافات داخل الفئة الواحدة والتشابه بين الفئات المختلفة وحساسية المقياس. هذا النهج ينتج عنه توقعات شاملة ودقيقة وموثوقة للتعبيرات الوجهية. أثبتت التجارب الواسعة على مجموعة متنوعة من قواعد البيانات أن نموذجنا يتفوق على الأساليب الأكثر حداثة حاليًا.