본 논문은 MobileNetV4와 다중 스케일 3D MLP-Mixer 기반 시간적 집계 모듈을 사용하여 효율적인 시공간 특징 추출 방법을 제시합니다. MobileNetV4의 UIB 블록은 계산 효율성과 풍부한 의미적 인코딩을 보장하며 입력 이미지 시퀀스로부터 계층적 특징 표현을 추출하는 백본 역할을 합니다. 시간적 의존성을 포착하기 위해, 구조적 무결성을 유지하면서 다양한 해상도에서 공간적 특징을 처리하는 3단계 MLP-Mixer 모듈을 도입합니다. ABAW 8th 경진대회 실험 결과는 제안된 방법의 효과성을 보여주며, 정서 행동 분석에서 유망한 성능을 나타냅니다. 효율적인 비전 백본과 구조화된 시간 모델링 메커니즘을 통합함으로써, 제안된 프레임워크는 계산 효율성과 예측 정확도 간의 균형을 이루어 모바일 및 임베디드 컴퓨팅 환경의 실시간 애플리케이션에 적합합니다.
