近年来，由于其在智能医疗和谎言检测中的潜在应用，微型表达识别（MER）引起了人们的关注。但是，注释数据的短缺一直是进一步改善基于深度学习的MER方法的主要障碍。直观地，利用足够的宏表达数据来促进MER性能似乎是可行的解决方案 ...

文本条件人体动作生成允许用户通过自然语言进行交互，已经变得越来越流行。现有方法通常基于单个输入句子生成短的、孤立的运动。然而，人类的动作是连续的，可以延续很长一段时间，承载着丰富的语义 ...

微表达是非语言的面部表情，揭示了个人的秘密情绪，因此使微表达识别任务受到广泛关注。但是，由于持续时间微妙的面部运动和简洁性，微表达识别任务是具有挑战性的。近年来已经开发了许多基于2D图像的方法，以有效地识别ME，但是这些方法受面部纹理信息的限制，并且容易受到环境因素（例如照明）的影响 ...

微表达是当人们试图掩盖真实情绪时自发发生的微妙面部运动。在许多领域，包括犯罪分析和心理治疗在内，微表达识别至关重要。但是，由于微表达强度低，并且公共数据集的大小较小，因此微表达识别是具有挑战性的 ...

近年来，深度学习技术在通用目标检测领域取得了显着突破，SGG），是指将图像自动映射到语义结构场景图的任务，这需要正确标记检测到的对象及其关系... ...

知识蒸馏（KD）旨在将更有能力但繁琐的教师模型的知识转移到轻量级的学生模型中。近年来，基于关系的KD方法已落后，因为他们的实例匹配对应在性能中占主导地位。在本文中，我们通过在基于关系的方法中识别和解决几个关键问题，包括它们对过度拟合和伪造的响应的敏感性来恢复关系KD ...

我们描述了KVLink，这是一种在大语言模型（LLMS）中重复使用高效键值（KV）的方法。在许多LLM应用程序中，不同的输入可以共享重叠的上下文，例如在多个查询中出现的同一检索的文档。但是，LLMS仍然需要为每个查询编码整个上下文，从而导致冗余计算 ...

微表达（ME）是可以揭示真正感觉的脸部自发的，非自愿的运动。最近，越来越多的研究关注了这一领域，以梳理深度学习技术。动作单位（AUS）是反映面部肌肉运动的基本行动，许多研究已经采用了AU检测来对面部表情进行分类 ...