面向基于视频的面部表情识别的动态时空图细粒度关系建模

基于摘要分析。本文研究基于视频的面部表情识别（FER），提出时空关系感知动态图卷积网络 ST-RDGCN，以无需面部关键点的动态时空图建模表情演变中的细粒度关系，针对帧级图表征较粗、关键点图依赖额外面部关键点且结构静态的问题。 方法包含三种图构建方案：动态独立空间图、动态联合时空图和动态交叉时空图，并提出关系感知时空图卷积算子 RSTG-Conv，用于学习动态图中的时空相关性。其主要方法贡献是动态图构建与关系感知图卷积，而非状态空间模型；不能根据来源栏目推断其使用了状态空间机制。摘要未说明节点定义、边权计算、动态图更新方式及训练损失。 作者报告，在其视频 FER 评估设置下，CK+、Oulu-CASIA、AFEW、DFEW 和 FERV39k 的总体 Accuracy 分别为 99.69%、91.67%、56.51%、69.37% 和 49.03%，并称达到当时最优表现。作者另报告，FERV39k 上的 UAR 较其所称当前最佳方法提高 3.6%；摘要未明确这是相对提升还是百分点差值，不能自行换算。作者的方案分析认为动态交叉时空图在三种构图方式中最有效。上述结果对应的数据划分、对照基线、消融及统计信息尚未验证，不能据此跨协议比较。 平台推测（待验证）：若动态图能够捕获随时间变化的局部关系，其机制可能用于探索 EEG 通道与时间窗之间的非固定依赖。可考虑复用图构建思想与 RSTG-Conv，但需重新定义 EEG 节点、特征和边，并核对原方法对视频特征、监督标签及训练规模的依赖。低信噪比可能使动态边追随伪迹，跨被试差异、通道配置变化和小数据则可能削弱图结构的稳定性。一个可证伪的小实验是在同一 EEG 任务、固定 Cross-subject 划分及相同特征提取器下，对比静态图与动态图，检验动态图是否带来稳定增益，而非只改善训练集表现。该迁移并非论文已验证贡献，已有 EEG 相关工作尚未检索确认。