GM-GReFEL: 견고한 동적 표정 인식을 위한 기하학 기반 시공간 상태 공간 학습

요약

본 글은 비디오 환경에서 견고한 동적 표정 인식을 위한 GM-GReFEL 모델을 제시합니다. 기존 Vision Transformer의 높은 계산 비용 문제를 해결하기 위해 Modulated GroupMamba 백본을 사용했습니다. 또한, 기하학적 앵커를 활용하는 GReFEL 모듈로 예측 신뢰도를 높여 성능을 개선한 연구입니다.

핵심 포인트

• GroupMamba 기반으로 시퀀스 길이 대비 선형적인 계산 복잡도($\mathcal{O}(N)$) 달성.
• GReFEL 모듈은 엔트로피와 기하학적 앵커 투표를 혼합하여 예측 신뢰도를 높임.
• MAFW 벤치마크에서 모든 비교 방법을 능가하는 최고 성능을 기록함.
• 셀프 어텐션 비용과 노이즈 레이블 문제를 동시에 해결한 모델 구조.