【论文阅读】Dive into Ambiguity: Latent Distribution Mining and Pairwise UncertaintyEstimation for Facial

在讲方法之前，作者提出了一个概念：给定一个样本，这个样本的标签是确定的，即，但是有的样本本身表达的情绪就很模糊，标签其实是不太确定的，就跟下面这张图里的两个样本一样。所以作者提出了一种标签潜在分布，这个代表的是该样本被分成其他类别的概率分布。且

该网络结构包含以下几个部分：（1）C个挖掘潜在分布的辅助分枝，一个具有相同结构的目标分枝。（2）两两非确定性估计，其中不确定性估计模型由两个FC层组成。每个辅助分枝都充当C-1类的分类器去寻找样本x的潜在分布。

和联合指导目标分枝，此外，还对这些分支进行正则化，通过它们的相似矩阵来预测图像的一致性关系。需要特别注意的是，所有辅助分支和不确定性估计模块最后都将被删除，只留下目标分支用于推理。因此，整个框架是端到端的，可以灵活地集成到现有的网络架构中，而无需额外的推理成本。

潜在标签挖掘

举个例子，假设表情被分成1，2ÿ