MAC-Lab实验室郎俊杰同学在IEEE MultiMedia上发表论文，论文题目为"Dual Expression Fusion: A Universal Microexpression Recognition Framework"。

尽管人脸识别、人脸身份认证等技术已经普及，但使用计算机识别人脸表情仍然具有挑战性。 因此，更多的研究人员开始探索更好的面部表情识别方法。虽然完整面部表情的出现是一个动态事件，通常持续 0.5 到 4 秒并且更容易识别，但微表情是持续 1/5 到 1/25 秒的不自主面部运动。 Ekman 和 Friesen 定义了基于人脸解剖特征的人脸编码系统，并将人脸划分为多个独立且相互关联的动作单元（AU），以方便进行面部微表情分析，并设计了面部动作编码系统（FACS）。本文提出的双表情融合（DEF）微表情识别框架，具有良好的性能和可扩展性。 借助 DEF 微表情识别框架，我们以 0.6297 的平均 F1 成绩在ICIP2020微表情挑战赛中获得第一名。

IEEE MultiMedia 包含涵盖多媒体系统和应用中广泛问题的技术信息。 文章讨论了硬件/软件方面的研究和高级实践，预计涵盖从理论到工作系统的范围。 尤其鼓励讨论新的或先进的系统和子系统经验的论文。