Emotic Masked Autoencoder with Attention Fusion for Facial Expression Recognition

面部表情识别（FER）是计算机视觉中的一个关键任务，具有各种领域的不同应用。解决FER数据集有限的挑战，这影响了表情识别模型的泛化能力，对于提高性能至关重要。我们的论文提出了一种创新的方法，将MAE-Face自我监督学习（SSL）方法和融合注意机制集成到表情分类中，特别是在第六届野外情感行为分析（ABAW）竞赛中进行了展示。此外，我们提出了预处理技术，以强调关键的面部特征，从而增强模型在训练和验证集上的性能，特别是在Aff-wild2数据集上表现出色。

本论文旨在解决面部表情识别数据集有限的问题，提出了一种集成MAE-Face自监督学习方法和融合注意机制的表情分类方法。

本论文的关键思路是使用MAE-Face自监督学习方法和融合注意机制来提高面部表情分类模型的性能。

本论文使用了Aff-wild2数据集进行实验，并提出了一些预处理技术来强调重要的面部特征，从而提高了模型在训练和验证集上的性能。此外，本论文的方法还在第6届ABAW比赛中进行了展示。

在这个领域中，最近的相关研究包括：\n1. Deep Learning-Based Facial Expression Recognition: A Comprehensive Review\n2. Facial Expression Recognition Using Convolutional Neural Networks: State of the Art