微表情是一种短暂的、微弱的、无意识的面部微表情，持续时间往往在0.5s内，能够揭示人类试图隐藏的真实情绪。微表情识别的研究旨在让机器有足够的智能，能够从人脸视频序列中识别人类的真实情绪。然而由于微表情持续时间短、面部肌肉运动强度低，对其进行准确的表征与识别是一项极具挑战性的任务。为了促进心理学领域和计算机视觉领域针对微表情的进一步研究，由中国图象图形学学会（CSIG）和中国科学院心理研究所举办、CSIG机器视觉专业委员会、CSIG情感计算与理解专业委员会和中科院青促会心理所小组联合承办，中国科学院心理研究所的王甦菁博士组织一系列云上微表情的学术活动。
第五十一期云上微表情于2024年04月30日晚上7点进行，由中国科学院心理研究所王甦菁老师团队的李婧婷博士主持。此次讲座邀请到来自中国科学技术大学大数据学院在读硕士研究生毛星茏介绍陈恩红教授团队最新发布的动态自发微表情数据库DFME。
毛星茏，中国科学技术大学大数据学院在读硕士生，师从陈恩红教授。主要研究方向为：微反应情感分析、情感人机交互。
报告题目：动态自发微表情数据库DFME
报告摘要：微表情是一种自发、微妙且短暂的面部表情，能够反映个体的真实情感。近年来，自动微表情识别（MER）技术正引起应用心理学和智能情感计算领域研究者日益增长的关注。然而，微表情数据的稀缺严重阻碍了先进的数据驱动MER模型的发展。尽管最近研究者们构建了一些自发微表情数据库试图缓解这一问题，但数据量仍然不足。为此，我们诱发、采集并标注了大量自发微表情数据，构建出当前数据规模最大、采集帧率最高的动态自发微表情数据库DFME（Dynamic Facial Micro-expressions）。该数据库包含了来自671名被试的7526个微表情片段，采集帧率最高达到500帧每秒，由专业标注者历时三年分工协作完成了全部标注。此外，我们对DFME数据库进行了全面的验证，以多种时空视频表征学习模型和MER模型作为基线，开展了情绪分类与微表情运动单元（AU）分类实验。相关实验结果表明，DFME数据库可以促进自动微表情识别的研究，并为该领域建立了新的基准。
参考文献：
[1] S. Zhao et al., “DFME: A New Benchmark for Dynamic Facial Micro-expression Recognition,” in IEEE Transactions on Affective Computing, doi: 10.1109/TAFFC.2023.3341918.