课题简介
情感计算(Affective Computing)是近几年热门的研究方向，基于视觉的面部表情识别方法近些年在各大顶会（NeurIPS、CVPR、ICCV、AAAI、IJCAI、ACM MM等）和顶刊（IEEE TPAMI、IEEE TIP、IJCV、IEEE TMM、IEEE TAFFC、IEEE TCSVT、PR等）都得到了广泛关注。面部表情是人类表达其内心情感一个重要的表达方式，其能够直观的揭露个体的真实情绪状态。表情识别在人际交流中扮演着至关重要的角色，它是人类表达内心情感状态的一个重要的活动，在日常交流互动中，人们大都主要通过面部表情的观察，来了解和发现对方的情感，感知其内在心理状态。因此，使机器能够像人一样识别人类的情感，能够更好的促进机器人与人类的互动，使其实现真正意义上的智能。基于此，近些年来自动人脸表情识别技术得到了研究人员的关注，其被广泛应用于人机交互、计算机视觉、自动驾驶，游戏娱乐以及医疗和心理健康领域中。
本课题会带领同学们，探索基于视觉的情感识别方法，学习其目前热门的研究方向，包括真实世界静态图像、动态视频、多模态情感识别，钻研其中多个热门研究问题，讲解Grpah Learning、Transforemr、MLP-like、CLIP相关模型架构与视觉情感计算任务相结合的可能性。
导师介绍
【学校/研究方向】
985高校计算机科学博士博三在读，主要研究方向为人脸表情识别、视频情感识别、域自适应学习。
工作经历/实习经历：主要从事情感计算方向研究、包括人脸表情识别，视频情感识别等模型的设计、熟悉掌握CNN、Transformer架构、模型在gpu平台的量化，部署。
【科研论文/审稿人】 在计算机视觉和人工智能国际会议/期刊发表论文14篇，一作发表论文6篇，顶刊顶会6篇，包括NeurIPS/IEEE TMM/IEEE TAFFC/IEEE TCSVT/IEEE JBHI/ICASSP。并担任ACM MM/IEEE TCSVT/IEEE TCDS等审稿人。
【指导经验】指导学生在ICASSP会议发表论文1篇
可选创新点
（1）基于真实世界In-the-wild静态图像情感识别
（2）域自适应下的跨域情感识别
（3）基于真实世界In-the-wild 动态视频情感识别
（4）结合视觉语言大模型的多模态情感分类
课程亮点
（1）在课程学习中会针对研究方向进行多角度的分析和探讨，发现其中存在的问题与挑战，能够产出多个大大小小的Idea。在课程里也会以已经发表的论文切入分析没做好以及还没做的事情，将这些事情转化为技术构成，最终产出论文。
（2）在课程的引导下会基于相关研究方向和其他子方向的方法，进行迁移整合，探索从其他方向论文中发现可行的方案迁移到自己的任务。
（3）课程力求避开繁琐的数学公式和过于空洞的原理，结合近两年顶会顶刊结合现实问题的角度，利用故事驱动模型。
（4）私人群定期答疑，结合案例、文字、语音条等形式，偶尔也会利用额外的线上meeting，用较短时间，较高效率解决同学们的疑问。