基于视觉Transformer的面孔吸引力预测方法研究

面孔吸引力分析预测是结合认知科学、心理学、计算机科学的一个交叉领域。是对人主观感受的客观量化——通过机器去学习面孔特征与量化的感知间的映射关系。本文提出了一种结合CNN与Transformer结构的混合模型,使用残差卷积网络提取图像的特征图,经嵌入层编码后输入到多层transformer编码器中,利用自注意力机制从全局的角度把握不同特征成分间的关系。该方法在SCUT-FBP5500数据集上取得了较好的实验效果,表明了从全局的角度将人脸图像转化为视觉词向量序列并进行属性预测是可行有效的。

基于眼动研究的孤独症谱系障碍的早期预测

孤独症谱系障碍(ASD)普遍存在社交障碍、兴趣范围狭窄,行为刻板及眼神注视等异常临床现象。眼神注视异常是ASD的临床表现之一,也是ASD患儿的早期生物标志。眼动技术逐渐被应用于ASD临床及相关研究中,当前运用眼动技术进行的早期预测主要是从对面部的注视时间、视觉搜索的眼动特点、对几何图形的关注等方面进行。且较为一致的是对面孔及眼睛区域注视时间短、对几何图形注视时间长、在视觉搜索中存在优势均可以作为ASD的早期预测指标。本研究将从以上这几个方面着手,对近几年来运用眼动技术对ASD的早期预测研究进行综述,以期为ASD的早期发现提供参考。