多模态面部表情识别研究综述2021-2025年，系统分析Vision Transformer（ViT）与可解释AI（XAI）方法在融合策略、数据集及性能提升中的应用，指出ViT通过长距离依赖建模提升分类准确率，但存在隐私风险、数据不平衡及高计算成本等挑战，未来需结合隐私保护技术与 ...