人工智能是否可以知情知意？CNCC重磅专家深度探讨“微表情”

王甦菁

中国科学院心理研究所 青年特聘研究员

CCF杰出会员，CCF计算机视觉专业委员会委员。2012年6月博士毕业于吉林大学计算机科学与技术学院，2012年8月至2015年6月在中国科学院心理研究所做博士后工作。2015年7月加入中国科学院心理研究所。主要研究方向为模式识别与机器学习，特别是微表情识别。在国内外重要期刊和学术会议上发表五十余篇论文，包括TPAMI、TIP、TNN、ECCV等。2014年起担任Neurocomputing期刊的Associate Editor。IEEE高级会员，中国人工智能学会人工心理与人工情感专业委员会委员，中国图象图形学学会机器视觉专业委员会委员。主持国家自然科学基金面上项目2项，北京市自然科学基金面上项目1项，中国博士后基金2项。获2018年第八届吴文俊人工智能科学技术奖一等奖。入选2020全球前2%顶尖科学家“年度影响力”榜单。被新华社称为“中国版霍金”。

李婧婷

中国科学院心理研究所 副研究员

2019年12月于法国中央理工高等电力学校博士毕业，2020年3月至2022年6月与中国科学院心理研究所从事博士后研究工作，2022年7月加入中国科学院心理研究所。参与构建第三代高生态效度的深度微表情数据库，主持国家自然科学基金-青年科学基金项目等科研项目。IEEE TPAMI、TAC、TIP等国内外期刊、会议发表微表情相关论文多篇。中国图象图形学学会机器视觉专业委员会委员、情感计算与理解专业委员会委员。主要研究方向包括计算机视觉、模式识别，以及与人工智能结合的人脸微表情分析。

赵国英

芬兰科学院 教授，芬兰奥卢大学 终身正教授，芬兰阿尔托大学 访问教授

IEEE Fellow，IAPR Fellow，于2005年在中国科学院获得博士学位。赵国英教授在国际期刊和会议上发表了超过270篇文章，谷歌学术引用超17700次，H-index 64. 她是FG 2013的panel chair、ICMI2021的共同程序主席、FG18的共同出版主席，受邀担任PR, TCSVT，IVC等国际知名期刊的编委。她当前的研究兴趣包括图像和视频描述、人脸表情与微表情识别，情绪的姿态分析，情感计算和生物识别。她的研究成果被芬兰国家电视台，报纸和MIT技术综述等媒体专文报道。

报告题目：关于微表情数据库的一些思考

本次报告将回顾面部微表情数据库的发展，并且讨论未来需要考虑的关键问题。

郑文明

东南大学 二级教授

CCF高级会员，CCF计算机视觉专委和多媒体技术专业委员会执行委员，儿童发展与学习科学教育部重点实验室主任、中国认知科学学会理事。主要从事情感计算、计算机视觉，模式识别等领域的研究。担任《IEEE Transactions on Affective Computing》、《Visual Computer》、《中国图象图形学报》等国内外期刊编委。主持国家自然科学基金重点、联合重点项目、科技部973课题等项目，获IEEE计算机协会2020最佳论文奖、IEEE情感计算汇刊2021最佳论文奖、国家技术发明二等奖、教育部自然科学二等奖、江苏省科技进步二等奖等奖项。

报告题目：面部表情/微表情识别的理论方法研究

本次报告将简要回顾面部表情/微表情识别的发展、面临的挑战，以及代表性的识别方法。

王上飞

中国科学技术大学计算机科学与技术学院 教授

CCF高级会员，CCF人工智能与模式识别专委会、多媒体技术专委和计算机视觉专委会委员，毕业于中国科学技术大大学，博士后工作于日本九州大学，曾赴美国伦斯勒理工学院访学。她长期从事情感计算、计算机视觉和多媒体技术研究，在国内外重要学术期刊和学术会议上发表论文百余篇。发表的论文成为IEEE Trans. 热点论文百余次。2019年起，担任IEEE TAC和ACM TOMM副主编。指导的研究生获得GOOGLE女性科学家奖、GOOGLE奖学金、中科院院长奖、国家奖学金和优秀毕业生等多个奖项。

报告题目：基于特权信息学习的微表情识别

微表情作为人类心理行为的最重要形式之一，可以揭示真实的情感。与宏表情强度高和持续时间长的特点相比，微表情是非常短暂和轻微的面部表情；相比于宏表情数据集，微表情数据集的样本量较少，因此微表情的识别更具挑战。幸运的是，微表情和宏表情在面部肌肉运动和纹理变化方面有一定相似之处，如何利用丰富的宏表情数据库作为特权信息来帮助微表情识别值得探讨。针对此，我们提出以宏表情图像/视频作为特权信息，辅助微表情图像/视频学习更好的微表情分类器。本报告将介绍基于特权信息学习的微表情识别方法。

韩琥

中科院计算所 研究员

CCF人工智能与模式识别专委会委员。2011年博士毕业于中科院计算所，之后分别在美国密歇根州立大学和谷歌从事生物特征识别研究工作，曾担任谷歌Abacus项目核心研发成员，2015年回到中科院计算所工作。主要研究方向为计算机视觉、模式识别、生物特征识别及医学影像分析。在领域主流国际期刊与会议上发表学术论文80余篇，谷歌学术引用5100余次，H-Index: 37。研究工作获得5项论文奖，包括2020年度IEEE信号处理学会 (IEEE SPS)最佳论文奖和4次会议最佳论文/最佳学生论文/最佳海报论文奖(包含1项IEEE FG2019最佳海报论文奖)。担任国际期刊Pattern Recognition Associate Editor, EURASIP Guest Editor, 国际会议ECCV2022, ICPR2020 Area Chair, IJCAI 2021 Senior PC, ISBI2022 Session Chair，以及VALSE常务AC。8次在ICCV / CVPR / FG / WACV / PRCV等国际会议上组织主会特别会议和学术论坛。

报告题目：面部情感与生理信号感知及其在精神疾病诊断中的应用

人脸视频图像中既包含与身份、属性相关的宏观视觉信号，也包括大量与生理体征、情感状态等密切相关的微弱视觉信号。这些微弱视觉信号既容易受到外在光照和姿态的干扰因而信噪比很低，也容易与宏观视觉信号混合在一起，难以分离，因此其提取、表示和识别都面临很大的挑战。报告将介绍视觉情感与生理信号感知的发展趋势，并从信号解耦、弱监建模等方面介绍应对情感与生理信号感知中信噪比低、鲁棒性差的问题。最后会介绍视觉情感与生理信号感知在AD冷漠症和焦虑症诊断中的初步应用。

李婧婷

中国科学院心理研究所 副研究员

报告题目：高生态效度微表情数据及标注

微表情作为重要的非语言交流线索，可以揭示个体的真实情绪状态。而微表情的智能分析受到小样本问题的限制，特别是微表情标注非常费时费力。此外，微表情的生成机制尚未明确，限制其在真实场景应用的理论支撑。针对上述问题，此次报告将首先探索基于面部肌电指标的微表情量化研究，刻画微表情生理机制；然后介绍由中国科学院心理研究所创建的第三代高生态效度深度微表情数据库，并系统梳理微表情智能检测与识别方法。