論文の概要: ICE-GAN: Identity-aware and Capsule-Enhanced GAN with Graph-based
Reasoning for Micro-Expression Recognition and Synthesis
- arxiv url: http://arxiv.org/abs/2005.04370v2
- Date: Mon, 26 Apr 2021 05:39:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 07:01:38.230317
- Title: ICE-GAN: Identity-aware and Capsule-Enhanced GAN with Graph-based
Reasoning for Micro-Expression Recognition and Synthesis
- Title（参考訳）: ICE-GAN:マイクロ圧縮認識と合成のためのグラフベース推論によるアイデンティティ認識とカプセル強化GAN
- Authors: Jianhui Yu, Chaoyi Zhang, Yang Song, Weidong Cai
- Abstract要約: グラフに基づく推論(ICE-GAN)を用いた新しいアイデンティティ認識とカプセル強化型生成共役ネットワークを提案する。
このジェネレータは、制御可能なマイクロ表現と識別認識機能を備えた合成顔を生成し、グラフ推論モジュール(GRM)を介して長距離依存関係をキャプチャする。
ICE-GAN は Micro-Expression Grand Challenge 2019 (MEGC 2019) で評価され、勝者の12.9%を上回り、他の最先端の手法を上回りました。
- 参考スコア（独自算出の注目度）: 26.414187427071063
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Micro-expressions are reflections of people's true feelings and motives,
which attract an increasing number of researchers into the study of automatic
facial micro-expression recognition. The short detection window, the subtle
facial muscle movements, and the limited training samples make micro-expression
recognition challenging. To this end, we propose a novel Identity-aware and
Capsule-Enhanced Generative Adversarial Network with graph-based reasoning
(ICE-GAN), introducing micro-expression synthesis as an auxiliary task to
assist recognition. The generator produces synthetic faces with controllable
micro-expressions and identity-aware features, whose long-ranged dependencies
are captured through the graph reasoning module (GRM), and the discriminator
detects the image authenticity and expression classes. Our ICE-GAN was
evaluated on Micro-Expression Grand Challenge 2019 (MEGC2019) with a
significant improvement (12.9%) over the winner and surpassed other
state-of-the-art methods.
- Abstract（参考訳）: マイクロ表現は人々の真の感情や動機を反映したもので、顔の自動マイクロ表現認識の研究に多くの研究者が集まる。
短い検出窓、微妙な顔の筋肉の動き、限られたトレーニングサンプルは、マイクロ表現認識を困難にする。
そこで本研究では,認識支援のための補助タスクとしてマイクロ表現合成を導入する,グラフベース推論(ice-gan)を用いた新しいアイデンティティ認識・カプセル型生成逆ネットワークを提案する。
本発明のジェネレータは、グラフ推論モジュール(GRM)を介して長距離依存関係を捕捉した制御可能なマイクロ表現と識別認識機能を備えた合成顔を生成し、識別器は画像の真正性及び表現クラスを検出する。
ICE-GAN は Micro-Expression Grand Challenge 2019 (MEGC2019) で評価され、優勝者よりも12.9%向上し、他の最先端の手法を上回った。
関連論文リスト
- ExpLLM: Towards Chain of Thought for Facial Expression Recognition [61.49849866937758]
本研究では,表情認識のための思考の正確な連鎖(CoT)を生成するExpLLMという新しい手法を提案する。
具体的には、重要な観察、全体的な感情解釈、結論の3つの観点から、CoTメカニズムを設計しました。
RAF-DBとAffectNetデータセットの実験では、ExpLLMは現在の最先端のFERメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-09-04T15:50:16Z) - Adaptive Temporal Motion Guided Graph Convolution Network for Micro-expression Recognition [48.21696443824074]
ATM-GCN(Adaptive Temporal Motion Guided Graph Convolution Network)と呼ばれる,マイクロ圧縮認識のための新しいフレームワークを提案する。
本フレームワークは,クリップ全体のフレーム間の時間的依存関係の把握に優れ,クリップレベルでのマイクロ圧縮認識が向上する。
論文 参考訳（メタデータ） (2024-06-13T10:57:24Z) - GPT as Psychologist? Preliminary Evaluations for GPT-4V on Visual Affective Computing [74.68232970965595]
MLLM(Multimodal large language model)は、テキスト、音声、画像、ビデオなどの複数のソースからの情報を処理し、統合するように設計されている。
本稿では、視覚的情緒的タスクと推論タスクにまたがる5つの重要な能力を持つMLLMの適用性を評価する。
論文 参考訳（メタデータ） (2024-03-09T13:56:25Z) - Efficient Neural Architecture Search for Emotion Recognition [10.944807967751277]
本稿では,マクロおよびマイクロ圧縮認識のための高効率で堅牢なニューラルアーキテクチャを提案する。
勾配に基づくアーキテクチャ探索アルゴリズムを用いて軽量モデルを作成する。
提案したモデルは、既存の最先端手法よりも優れ、速度と空間の複雑さの点で非常によく機能する。
論文 参考訳（メタデータ） (2023-03-23T20:21:26Z) - Micro-Expression Recognition Based on Attribute Information Embedding
and Cross-modal Contrastive Learning [22.525295392858293]
本稿では,属性情報埋め込みとクロスモーダルコントラスト学習に基づくマイクロ圧縮認識手法を提案する。
我々はCASME II と MMEW データベースで広範な実験を行い、精度はそれぞれ77.82% と 71.04% である。
論文 参考訳（メタデータ） (2022-05-29T12:28:10Z) - Transferring Dual Stochastic Graph Convolutional Network for Facial
Micro-expression Recognition [7.62031665958404]
本稿では,2つのグラフ畳み込みネットワーク(GCN)モデルについて述べる。
マイクロ圧縮画像からより識別性の高い特徴を抽出するグラフ構築法と二重グラフ畳み込みネットワークを提案する。
提案手法は,最近リリースされたMMEWベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2022-03-10T07:41:18Z) - Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms [52.58031087639394]
マイクロ表現は不随意かつ過渡的な表情である。
嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。
マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
論文 参考訳（メタデータ） (2022-01-30T05:14:13Z) - Short and Long Range Relation Based Spatio-Temporal Transformer for
Micro-Expression Recognition [61.374467942519374]
我々は,マイクロ圧縮認識のための最初の純粋トランスフォーマーベースアプローチである,新しいアテンポ的トランスフォーマーアーキテクチャを提案する。
空間パターンを学習する空間エンコーダと、時間的分析のための時間的次元分類と、ヘッドとを備える。
広範に使用されている3つの自発的マイクロ圧縮データセットに対する総合的な評価は,提案手法が一貫して芸術の状態を上回っていることを示している。
論文 参考訳（メタデータ） (2021-12-10T22:10:31Z) - Learning to Augment Expressions for Few-shot Fine-grained Facial
Expression Recognition [98.83578105374535]
顔表情データベースF2EDについて述べる。
顔の表情は119人から54人まで、200万枚以上の画像が含まれている。
実世界のシナリオでは,不均一なデータ分布やサンプルの欠如が一般的であるので,数発の表情学習の課題を評価する。
顔画像合成のための統合されたタスク駆動型フレームワークであるComposeal Generative Adversarial Network (Comp-GAN) 学習を提案する。
論文 参考訳（メタデータ） (2020-01-17T03:26:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。