情感智能机器人实验室（LAIR）合作撰写的学术论文“Pursuing Knowledge Consistency: Supervised Hierarchical Contrastive Learning for Facial Action Unit Recognition”被2022年ACM国际多媒体会议ACM MM（ACM International Conference on Multimedia）接收。该论文由LAIR北京实验室（北京大学计算机学院）与阿里巴巴达摩院合作完成，第一作者为北京实验室博士生陈颖婕，陈冲（阿里巴巴）、王韬（北京大学）担任共同通讯作者。实验室论文已连续两年在ACM MM发表或被接收。

Pursuing Knowledge Consistency: Supervised Hierarchical Contrastive Learning for Facial Action Unit Recognition

论文作者：陈颖婕，陈冲+，罗霄，黄建强，华先胜，王韬+，梁云。

（+为共同通讯作者）

随着人们对情感分析需求的不断增加，面部动作单元（AU）识别作为情感计算的一项基本任务受到了越来越多的关注。尽管近年来，深度学习将AU识别的性能提升到了一个新的水平，但由于AU引起的外观变化在不同对象之间是微妙且模糊的，因此提取对象一致性表征仍然具有挑战性。我们观察到，AUs之间存在三种内在关系，它们可以被视为强先验知识，追求这些知识的一致性是学习对象一致性表征的关键。为此，我们提出了一种用于AU识别的有监督分层对比学习方法（SupHCL），以追求不同面部图像和不同AU之间的知识一致性，该方法与关注网络结构设计的方法是正交的。具体而言，SupHCL包含三个关系一致性模块，即一元、二元和多元关系一致性模块，它们将相应类型的内在关系用作额外的监督，以鼓励AU层级和图像层级表示的知识一致性分布。在两个常用的AU基准数据集BP4D和DISFA上进行的实验证明了每个关系一致性模块的有效性和SupHCL的优越性。

ACM 国际多媒体会议（ACM International Conference on Multimedia）是计算机科学多媒体领域的首要国际会议，CCF-A类推荐会议，每年举办一次。ACM MM 2022将于2022年10月10日-14日在葡萄牙里斯本举办。