为了促进我国情感计算领域的发展，及时反映我国学者在基于视觉的情感感知领域的最新研究进展，《中国图象图形学报》邀请长期深耕该领域的知名学者，一线科研人员和青年学者们，围绕计算机视觉在情感感知方面的技术创新，在相关场景中的实际应用等主题开展研究，并形成该专刊。经过严格的评审和修订，“基于视觉的情感感知技术与应用”专刊共收录学术论文14篇，包括4篇特邀“综述”、1篇“数据集论文”、4篇“人脸表情识别”论文、2篇“精神状况评估”论文和3篇“生理信号和心理状态分析”论文。 在4篇特邀综述中，《面部动作单元检测方法进展与挑战》介绍了用于精确刻画人脸表情变化的面部动作单元(AU)相关研究，总结了AU检测技术发展现状、挑战和未来发展趋势。《面部表情分析进展和挑战》一文则系统概述了面部表情分析的相关任务、进展、挑战和未来趋势，特别是对该领域发展现状给出了一些观点和建议。《深度人脸表情识别研究进展》重点介绍了近十年来基于深度学习的人脸表情识别的研究现状以及相关人脸表情数据库的发展情况，从静态和动态人脸表情识别等维度进行了详细的介绍，并对该领域的未来研究方向和机遇挑战进行了总结和展望。《基于rPPG的生理指标测量方法综述》一文从心率、呼吸率等生理信号遥测算法所依据的假设或先验知识出发，对rPPG相关文献进行了总结和讨论，从评测任务、评测数据、评测指标及评测协议等4个方面系统整理了基于rPPG的生理指标测量方法和关键技术，讨论了该方向面临的挑战，展望了可能的技术路线。 数据集论文《真实环境下的多模态情感数据集MED》收集、标注并将公开发布一个自然状态下的视频数据集，其中包含来自电影、电视剧和综艺节目的1839段表情视频片段，可补充该领域的数据丰富度。在“人脸表情识别”论文中，《持续学习改进的人脸表情识别》探究了有效利用人脸识别预训练网络来提升表情识别性能的方法；《多任务学习和对抗学习结合的自发与非自发表情识别》通过多任务学习和对抗学习捕获面部行为的时空模式，及学习身份无关的面部特征，以实现有效的自发与非自发表情区分；《采用时空注意力机制的人脸微表情识别》提出了时空注意力网络以实现对高表情强度面部区域和视频帧的关注，从而更有效地识别人脸微表情；《结合自监督学习和生成对抗网络的小样本人脸属性识别》尝试了基于旋转的自监督学习等方法提高小样本数据集上的人脸属性识别准确率。 在“精神状况评估”论文中，《深度空时婴幼儿表情识别模型下的ASD自动筛查》和《面部动态特征描述的抑郁症识别》分别研究了基于表情识别的高危孤独症谱系障碍婴幼儿筛查方法和挖掘宏观/微观面部结构信息动态特征的抑郁症自动识别方法。在“生理信号和心理状态分析”论文中，《面向远程光体积描记的人脸检测与跟踪》和《多视角神经网络非接触式脉搏信号提取》对远程光体积描记(rPPG)这一基于视频的非接触心率测量方法进行研究，提高心率估计精度；《面向情绪调节的多模态人机交互技术》通过识别用户情绪、文本对话和体感交互等实现对用户情绪的调节，为现代社会中可能存在心理问题的人们提供帮助。