近日，国际电气与电子工程师协会（IEEE）旗下情感计算领域顶级期刊《IEEE Transactions on Affective Computing》（IEEE TAFFC）公布2025年度最佳论文奖（Best Paper Award）评选结果。我校作为第一完成单位和通讯作者单位，计算机与信息学院老人福祉科技实验室（国家智慧养老国际合作基地）陈银博士生（第一作者）、李佳副教授（通讯作者）、汪萌教授、洪日昌教授（第一作者导师），与中国科学院计算技术研究所山世光研究员合作完成的论文《From Static to Dynamic: Adapting Landmark-Aware Image Models for Facial Expression Recognition in Videos》，荣获2025年度唯一最佳论文奖。获奖通知指出，该论文凭借原创性（Originality）、学术严谨性（Rigor）以及对领域的重要贡献（Contribution to the Field），获得评审委员会高度认可。

                                                              图1. IEEE TAFFC 2025年度最佳论文奖（Best Paper Award）获奖证书

面部表情是人类情绪表达和社会交互的重要载体，准确识别面部表情对于智能人机交互、智慧医疗、健康辅助和驾驶安全等领域具有重要意义。相较于静态图像表情识别，视频动态表情识别能够捕捉更丰富的时序情感信息，更贴近真实应用场景，但也长期面临标注数据稀缺、动态时序建模困难以及标签噪声等关键挑战。

针对上述问题，研究团队提出Static-to-Dynamic（S2D）知识迁移框架，实现了静态图像表情识别知识向视频动态表情识别模型的高效迁移。该框架利用关键点运动序列增强静态表征的动态感知能力，通过空间—时间解耦建模策略高效构建动态模型，并提出情感锚点自蒸馏学习方法，有效缓解视频情感标签噪声问题。

该方法在多个具有代表性的静态图像和动态视频表情识别基准上均取得领先性能，为研究社区提供了性能领先、可复现的统一基线和开源实现，推动了复杂场景下视频表情分析技术的发展。该论文于2025年5月正式发表，并于当年入选ESI高被引论文，目前谷歌学术引用量已超过130次。

图2. S2D方法总体框架

在S2D工作基础上，团队进一步提出人脸表情图像与视频双模态统一的学习框架Static-for-Dynamic（S4D），通过创新的双模态预训练和联合微调策略，成功利用大规模静态表情数据显著增强了动态表情识别性能。S4D同样发表于IEEE TAFFC，并持续开源代码，形成了人脸情感知识迁移学习方向具有代表性的系列研究成果。

IEEE TAFFC是国际情感计算领域公认的最高水平学术刊物，也是中国人工智能学会A类推荐期刊、中国计算机学会B类推荐期刊、中科院一区TOP期刊。该期刊融合了人工智能、计算机视觉、人机交互、心理学、认知科学等多学科交叉研究，在国际学术界具有重要影响力。TAFFC年度最佳论文奖由IEEE计算机学会出版委员会（The IEEE Computer Society Publications Board）统一组织评选，是IEEE Computer Society旗下期刊的重要学术荣誉，旨在表彰年度最具原创性、学术价值和学术影响力的优秀研究成果。

我校作为第一完成单位和通讯作者单位获此殊荣，充分彰显了学校在情感计算领域的科研实力。据悉，该团队近年来围绕情感计算、多媒体计算、人机交互等方向持续开展原创技术理论攻关，发表多项国际高水平创新成果，多次获得国际情感计算及多媒体计算领域挑战赛冠军。本次荣获IEEE TAFFC年度最佳论文奖，进一步体现了我校在情感人工智能领域的原创创新能力和国际学术影响力。

该项研究工作得到国家重点研发计划、国家自然科学基金、安徽省高校协同创新项目经费资助。

相关链接：

IEEE Computer Society 2025 Best Paper Award获奖名单：https://www.computer.org/publications/2025-best-paper-award-winners

S2D论文：https://doi.org/10.1109/TAFFC.2024.3453443

S2D开源代码：https://github.com/MSA-LMC/S2D

S4D论文：https://doi.org/10.1109/TAFFC.2025.3623135

S4D开源代码：https://github.com/MSA-LMC/S4D

（李佳/文、图 王辉/审核）