《表1 当前广泛采用的FACS数据库》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面部动作单元检测方法进展与挑战》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:“-”代表无数据。

表1总结了上述4个FACS数据库的基本情况。不难看出，基于FACS标注的数据库存在受试者数量少、数据库整体规模小等问题，这是由FACS的标注代价高昂所决定的。表1中数据库的演变趋势同时表明，当前FACS数据库的采集条件逐步放松，研究者的关注重点逐渐转向实际应用场景下的AU检测。实际场景中收集的面部表情图像存在极大的个体差异性和多样性，训练相应的识别模型需要更多的标注数据，而收集并标注大量含有丰富表情变化的训练样本则面临高昂的标注代价。尽管引入深度学习为AU检测带来了显著的进步，但由于现有FACS数据库中标注样本有限，直接基于这些数据库训练得到的当前最好的AU检测模型性能仍然差强人意。因此，2016年以来，不少研究者开始考虑借助弱监督甚至无监督的表情数据来增强AU模型的泛化能力。