본 논문은 억압된 감정을 드러내는 미세 표정 인식의 어려움을 해결하기 위해, 시간적 및 공간적 모달 특징의 다양한 융합을 활용한 동적 미세 표정 인식(DMER) 방법을 제안한다. 특히, Retention Network(RetNet)와 Transformer 기반 DMER 네트워크를 통합한 TSFmicro 프레임워크를 제시하며, 새로운 병렬 시공간 융합 방법을 통해 고차원 특징 공간에서 시공간 정보를 융합하여 의미 수준에서 상호 보완적인 "where-how" 관계를 제공하고 모델에 더 풍부한 의미 정보를 제공한다. 실험 결과, TSFmicro는 기존 최첨단 방법들보다 세 가지 잘 알려진 미세 표정 데이터셋에서 우수한 성능을 보였다.
