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

• 类型：arxiv
• 标识：2607.13250
• 链接：https://arxiv.org/abs/2607.13250
• 主分类：multimodal
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A multi-task learning system for the 11th ABAW challenge that extends a standard deterministic architecture with a conditional rectified-flow head to model the inherent ambiguity of in-the-wild facial behavior, enabling uncertainty-aware one-to-many predictions through Monte Carlo sampling.
• OpenAlex ID：W7168709147
• OpenAlex DOI：10.48550/arxiv.2607.13250
• DOI：10.48550/arxiv.2607.13250
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.13250
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：AffectFlow-DINO：基于条件 Rectified Flow 的不确定性感知多任务情感估计
• TLDR中文：面向第 11 届 ABAW 挑战赛的多任务学习系统，在标准确定性架构基础上扩展条件 Rectified Flow 头，建模真实场景下面部行为固有的模糊性，借助蒙特卡洛采样实现不确定性感知的一对多预测。
• 成熟度：research
• 场景：affect-estimation、facial-behavior、uncertainty
• 来源文件：
• /inbox/tom/_candidates/2026-07-17-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]