论文页面 - AffectFlow-DINO: Uncertainty-Aware Multi-Task Affect Estimation via Conditional Rectified Flow

来源：https://huggingface.co/papers/2607.13250

摘要

我们提出了AffectFlow-DINO，一个用于第11届ABAW挑战赛的多任务学习系统。该系统扩展了标准确定性架构，引入了一个条件整流流（conditional rectified flow）头，以建模野外面部行为中固有的模糊性。模型并非预测单一情感估计，而是学习一个条件生成分布，通过蒙特卡洛采样实现不确定性感知的一对多预测。该系统从静态面部图像中联合估计连续效价-唤醒度、对八种面部表情进行分类，并检测十二种动作单元。基于冻结的DINOv3 ViT-S/16骨干网络，大量消融研究表明，整流流解码在确定性预测上持续改进，尤其是效价-唤醒度估计（CCC-V +0.058）。我们还进一步证明，事后阈值校准可以在不重新训练的情况下有效恢复严重不平衡稀有类别（例如，恐惧：3.8% → 33.1%）的性能。结合骨干网络微调和流重调优，最终模型达到P_{MTL}=1.177，大幅超越了官方挑战基线 P_{MTL}=0.45。

查看arXiv页面 (https://arxiv.org/abs/2607.13250)查看PDF (https://arxiv.org/pdf/2607.13250)GitHub (https://github.com/Bekhouche/AffectFlow-DINO)添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.13250)

在你的代理中获取此论文：

hf papers read 2607.13250

没有最新CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本论文的模型1

Bekhouche/AffectFlow-DINO 图像分类• 约6小时前更新 (https://huggingface.co/Bekhouche/AffectFlow-DINO)

引用本论文的数据集0

无数据集链接本论文

在数据集的README.md中引用 arxiv.org/abs/2607.13250 以从此页面链接。

引用本论文的Space0

无Space链接本论文

在Space的README.md中引用 arxiv.org/abs/2607.13250 以从此页面链接。

包含本论文的收藏集0

无收藏集包含本论文

将本论文添加到一个收藏集中 (https://huggingface.co/new-collection) 以从此页面链接。