إطار تجميع توزيعي متكافئ ذي فرعين للتنبؤ بالتعبيرات الوجهية في العالم الحقيقي

تُعدُّ تقنية تمييز التعبيرات الوجهية (FER) ذات أهمية كبيرة في حياتنا اليومية. ومع ذلك، يمكن أن تُعيق التضارب في التسمية (annotation ambiguity) الموجودة في المجموعات البيانات الأداء بشكل كبير. في هذه الورقة، نتناول مهمة تمييز التعبيرات الوجهية من خلال منهجية تعلم توزيع التسميات (Label Distribution Learning)، ونُطوّر إطارًا ثنائي الفرع يُسمى التكامل التكيفي لتوزيع التسميات (Ada-DF). يُبنى فرع مساعد لاستخلاص توزيعات التسميات الخاصة بالعينات. ثم يتم حساب توزيعات الفئات الخاصة بالمشاعر من خلال توزيعات التسميات لكل مشاعر. وأخيرًا، يتم دمج هذين التوزيعين بشكل تكيفي وفقًا لأوزان الانتباه لتدريب الفرع المستهدف. أُجريت تجارب واسعة على ثلاث مجموعات بيانات واقعية، وهي RAF-DB وAffectNet وSFEW، حيث أظهر إطار Ada-DF تفوقه على أحدث الأداءات المُعلنة في المجال. يمكن الوصول إلى الكود من خلال الرابط التالي: https://github.com/taylor-xy0827/Ada-DF.