HMRM:一个混合运动和区域融合的Mamba网络用于微表达式识别
1School of Electronics and Information, Northwestern Polytechnical University, Xi'an 710179, China.
Sensors (Basel, Switzerland)
|December 31, 2025
概括
这项研究介绍了HMRM,一种用于高效微表达式识别 (MER) 的混合Mamba网络. 它提高了捕捉微妙的面部动态,使更好的情感理解和实时应用.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 微表情识别 (MER) 对于智能视觉感知至关重要,有助于情感理解和安全.
- 由于有限的数据和计算约束,现有的MER方法在捕获细粒度的时空动态方面面临挑战.
- 这些局限性阻碍了MER系统的实际部署.
研究的目的:
- 提出HMRM,一种混合运动和区域融合的Mamba网络,以实现高效准确的MER.
- 增强运动表示和时间建模,以改进微表达式分析.
- 为了使MER能够在资源有限的实时应用中部署.
主要方法:
- 开发了HMRM,这是一个混合Mamba网络,集成了运动和基于地区的功能.
- 使用混合功能增强模块与GRU注意力光流和MotionMix.使用增强的运动表示.
- 采用粒状Mamba编码器进行轻量级,远程时间建模和区域特征融合策略.
主要成果:
- 在多个MER基准数据集上,HMRM实现了最先进的性能.
- 拟议的方法表现出强大的概括能力.
- 对于高效的系统来说,HMRM的计算成本很低,非常适合高效的系统.
结论:
- 对于微表情识别,HMRM提供了一种高效准确的解决方案.
- 该网络有效地捕捉了微妙的时空空间面部动态.
- HMRM显示了集成到紧,实时视觉感知和情绪分析系统的巨大潜力.


