Key points are not available for this paper at this time.
لقد كانت دراسة التعرف على تعبيرات الوجه (FER) نقطة تركيز مستمرة في مجال تحليل الوجه. في سياق المنهجيات الحالية للتعرف على تعبيرات الوجه ثلاثية الأبعاد أو 2D+3D، غالبًا ما تتشابك ميزات التعبير مع معلومات الهوية، مما يهدد تميز هذه الميزات. لمواجهة هذا التحدي، نقدم طريقة DrFER المبتكرة، التي تقدم مفهوم التعلم على تمثيلات مفككة في مجال التعرف على تعبيرات الوجه ثلاثية الأبعاد. تعتمد DrFER إطارًا مزدوج الفروع لفك تشابك معلومات التعبير عن معلومات الهوية بشكل فعال. بالابتعاد عن الجهود السابقة في فك التشابك ضمن مجال الوجه ثلاثي الأبعاد، قمنا بإعادة تكوين كل من دوال الخسارة وبنية الشبكة بعناية لجعل الإطار العام قابلاً للتكيف مع بيانات سحابة النقاط. تعزز هذه التكيف القدرة على التعرف على تعبيرات الوجه، حتى في الحالات التي تتضمن أوضاع رأس متغيرة. وتؤكد التقييمات الواسعة التي أجريت على مجموعتي بيانات BU-3DFE وBosphorus أن DrFER يتفوق على أداء طرق التعرف الأخرى على تعبيرات الوجه ثلاثية الأبعاد.
درس لي وآخرون (الأربعاء) هذا السؤال.