/ Модель

Характеристики

Лицензия
MIT
Опубликована
14 июл 2026

AffectFlow-DINO

Классификация изображенийИзображение → label

Модель оценивает валентность, возбуждение, выражение лица и активные единицы действия по изображению лица.

0скачиваний за 30 дней0лайковвеса обновлены16 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AffectFlow-DINO — модель Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Fadi Dornaika и Abdenour Hadid для многозадачной оценки аффекта по изображению лица. Она предназначена для задач распознавания выражений лица, оценки валентности и возбуждения, а также обнаружения активных единиц действия лица в рамках соревнования ABAW Multi-Task Learning.

Модель использует визуальный backbone DINOv3 и несколько выходных голов: детерминированные головы для валентности и возбуждения, выражений и единиц действия, а также условную голову rectified flow для совместного 22-мерного вектора аффекта. На вход подаётся обрезанное, примерно фронтальное изображение лица; на выходе — значения валентности и возбуждения, один из восьми классов выражений и оценки для 12 единиц действия. Режим flow позволяет оценивать неопределённость по разбросу сэмплированных траекторий. Репозиторий содержит восемь чекпойнтов с разными конфигурациями; в таблице приведены варианты с backbone ViT-S/16 и ViT-B/16.

Модель обучалась и проверялась только на s-Aff-Wild2, без временного контекста. Распознавание выражений — наиболее слабая из задач; авторы также отмечают редкость классов Fear и Sadness и отсутствие оценки на демографических подгруппах. Результаты следует считать исследовательскими сигналами, а не использовать для клинических или иных важных решений. Лицензия репозитория — MIT.

Сценарии применения

  • оценка валентности и возбуждения по изображению лица
  • классификация выражения лица на восемь категорий
  • определение активных единиц действия лица
  • оценка неопределённости предсказаний аффекта

Ограничения

Модель обучалась и проверялась только на s-Aff-Wild2, не учитывает временной контекст, а распознавание выражений остаётся наиболее слабой задачей; редкие классы Fear и Sadness распознаются ограниченно. Модель не оценивалась на демографических подгруппах, поэтому её результаты не следует использовать для клинических или иных важных решений.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AffectFlow-DINO

Uncertainty-aware multi-task facial affect estimation for the 11th ABAW Multi-Task Learning challenge: DINOv3 backbone + deterministic VA/expression/AU heads + a conditional rectified-flow head over the joint 22-dimensional affect vector.

Code, training scripts, and the full 28-experiment ablation study: github.com/Bekhouche/AffectFlow-DINO.

Paper: AffectFlow-DINO: Uncertainty-Aware Multi-Task Affect Estimation via Conditional Rectified Flow — Salah Eddine Bekhouche, Abdellah Zakaria Sellam, Fadi Dornaika, Abdenour Hadid. arXiv:2607.13250, 2026.

Quickstart

pip install torch torchvision transformers huggingface_hub pillow
git clone https://github.com/Bekhouche/AffectFlow-DINO.git && cd AffectFlow-DINO
python inference.py --model finetune-flow-retune-b10 --image face.jpg

Models in this repo

Each subfolder is one checkpoint: model.pt (weights + architecture config) plus, where applicable, au_thresholds.json and/or expr_weights.json post-hoc calibration files that inference.py applies automatically.

FolderBackboneBest decodeP_MTL (calibrated)P_VAP_EXPRP_AU
finetune-flow-retune-b10ViT-S/16, fine-tunedDet1.1770.3250.3500.502
vitb-finetuneViT-B/16, fine-tunedDet1.1160.3540.2550.507
finetune-flow-retune-b05ViT-S/16, fine-tunedDet / Flow1.062 / 0.9560.2910.3030.469
finetuneViT-S/16, fine-tunedDet1.1010.3180.2850.497
au-posw-cwViT-S/16, frozenDet0.890 (no cal.)0.2110.2400.439
pspViT-S/16, frozen (patch soft-pool)Det0.859 (no cal.)0.2350.2360.389
affectflow-baseViT-S/16, frozenFlow0.8880.2370.2100.441
det-baselineViT-S/16, frozenDet0.793 (no cal.)0.1990.2160.378

P_MTL = P_VA + P_EXPR + P_AU is the official ABAW MTL composite metric (P_VA = mean CCC of valence/arousal, P_EXPR = expression macro-F1, P_AU = mean AU F1), evaluated on the s-Aff-Wild2 validation split. Official challenge baseline: P_MTL = 0.450.

These 8 checkpoints are a curated subset of the ~30 ablation runs behind the paper — one per architecturally distinct configuration. The full ablation table, including sweeps that reused one of these architectures with different loss weights/regularization, is in the GitHub repo's EXPERIMENTS.md.

Input / output

  • Input: a cropped, roughly frontal face image, resized to 224x224 and ImageNet-normalized (handled automatically by inference.py).
  • Output: valence, arousal in [-1, 1]; one of 8 expressions (Neutral, Anger, Disgust, Fear, Happiness, Sadness, Surprise, Other); a subset of 12 active Action Units (AU1, AU2, AU4, AU6, AU7, AU10, AU12, AU15, AU23, AU24, AU25, AU26).
  • Two decode modes: deterministic (task heads directly) or flow (average of N sampled rectified-flow trajectories — enables uncertainty estimation via trajectory spread).

Limitations

Trained and validated only on s-Aff-Wild2 (in-the-wild but frame-level, no temporal context). Expression prediction remains the weakest task (P_EXPR <= 0.35): Fear and Sadness are rare classes that only partially recover under calibration. Not evaluated on demographic subgroups; treat outputs as research signals, not clinical or high-stakes decisions.

Citation

@article{bekhouche2026affectflowdino,
  title         = {AffectFlow-DINO: Uncertainty-Aware Multi-Task Affect Estimation via Conditional Rectified Flow},
  author        = {Bekhouche, Salah Eddine and Sellam, Abdellah Zakaria and Dornaika, Fadi and Hadid, Abdenour},
  journal       = {arXiv preprint arXiv:2607.13250},
  year          = {2026}
}

License

MIT.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

В репозитории нет config.json: не понять архитектуру модели.

Ревизия весов
56aaaac

0 моделей