論文の概要: Real-time Facial Expression Recognition "In The Wild'' by Disentangling 3D Expression from Identity

• arxiv url: http://arxiv.org/abs/2005.05509v1
• Date: Tue, 12 May 2020 01:32:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 18:52:16.673341
• Title: Real-time Facial Expression Recognition "In The Wild'' by Disentangling 3D Expression from Identity
• Title（参考訳）: アイデンティティから3d表現を分離したリアルタイム表情認識「 in the wild」
• Authors: Mohammad Rami Koujan, Luma Alharbawee, Giorgos Giannakakis, Nicolas Pugeault, Anastasios Roussos
• Abstract要約: 本稿では,1枚のRGB画像から人間の感情認識を行う新しい手法を提案する。 顔のダイナミックス、アイデンティティ、表情、外観、3Dポーズのバリエーションに富んだ大規模な顔ビデオデータセットを構築した。 提案するフレームワークは毎秒50フレームで動作し、3次元表現変動のパラメータを頑健に推定することができる。
• 参考スコア（独自算出の注目度）: 6.974241731162878
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human emotions analysis has been the focus of many studies, especially in the field of Affective Computing, and is important for many applications, e.g. human-computer intelligent interaction, stress analysis, interactive games, animations, etc. Solutions for automatic emotion analysis have also benefited from the development of deep learning approaches and the availability of vast amount of visual facial data on the internet. This paper proposes a novel method for human emotion recognition from a single RGB image. We construct a large-scale dataset of facial videos (\textbf{FaceVid}), rich in facial dynamics, identities, expressions, appearance and 3D pose variations. We use this dataset to train a deep Convolutional Neural Network for estimating expression parameters of a 3D Morphable Model and combine it with an effective back-end emotion classifier. Our proposed framework runs at 50 frames per second and is capable of robustly estimating parameters of 3D expression variation and accurately recognizing facial expressions from in-the-wild images. We present extensive experimental evaluation that shows that the proposed method outperforms the compared techniques in estimating the 3D expression parameters and achieves state-of-the-art performance in recognising the basic emotions from facial images, as well as recognising stress from facial videos. %compared to the current state of the art in emotion recognition from facial images.
• Abstract（参考訳）: 人間の感情分析は、特にAffective Computingの分野における多くの研究の焦点であり、人間とコンピュータの知的な相互作用、ストレス分析、インタラクティブゲーム、アニメーションなど、多くのアプリケーションにとって重要である。 自動感情分析のソリューションは、深層学習アプローチの開発や、インターネット上の膨大な視覚的顔データの利用によっても恩恵を受けている。 本稿では,単一のrgb画像から人間の感情認識を行う新しい手法を提案する。 顔画像の大規模データセット (\textbf{FaceVid}) を構築し, 顔のダイナミックス, アイデンティティ, 表情, 外観, 3Dポーズのバリエーションに富む。 このデータセットを用いて、深層畳み込みニューラルネットワークを訓練し、3次元モーファブルモデルの表現パラメータを推定し、効果的なバックエンド感情分類器と組み合わせる。 提案フレームワークは,毎秒50フレームで動作し,3次元表現の変動パラメータをロバストに推定し,wild画像から表情を正確に認識する。 提案手法は, 顔画像からの基本的な感情認識や顔映像からのストレス認識において, 比較した3次元表現パラメータを推定する手法よりも優れており, 最先端のパフォーマンスを実現していることを示す。 %であり,顔画像からの感情認識の現状と比較した。

関連論文リスト

• Emo3D: Metric and Benchmarking Dataset for 3D Facial Expression Generation from Emotion Description [3.52270271101496]
  Emo3Dは、人間の感情の幅広い範囲にまたがる広範な「テキスト画像表現データセット」である。 我々は多種多様なテキスト記述を生成し、感情表現の幅広い範囲を捉えやすくする。 エモ3D」はアニメーションデザイン、バーチャルリアリティ、感情的な人間とコンピュータのインタラクションに優れた応用がある。
  論文  参考訳（メタデータ） (2024-10-02T21:31:24Z)
• Emotion Separation and Recognition from a Facial Expression by Generating the Poker Face with Vision Transformers [57.1091606948826]
  我々はこれらの課題に対処するため,ポーカー・フェイス・ビジョン・トランスフォーマー (PF-ViT) と呼ばれる新しいFERモデルを提案する。 PF-ViTは、対応するポーカーフェースを生成して、乱れを認識できない感情を静的な顔画像から分離し、認識することを目的としている。 PF-ViTはバニラビジョントランスフォーマーを使用し、そのコンポーネントは大規模な表情データセット上でMasked Autoencodeerとして事前トレーニングされている。
  論文  参考訳（メタデータ） (2022-07-22T13:39:06Z)
• EMOCA: Emotion Driven Monocular Face Capture and Animation [59.15004328155593]
  本稿では,学習中の感情の深層的一貫性を損なうことによって,再構成された3次元表現が入力画像に表現された表現と一致することを確実にする。 In-the-wild emotion recognitionのタスクでは、人間の行動を分析する上での3D幾何の価値を強調しながら、最も優れた画像ベースの手法と同等に幾何学的アプローチを実践しています。
  論文  参考訳（メタデータ） (2022-04-24T15:58:35Z)
• Neural Emotion Director: Speech-preserving semantic control of facial expressions in "in-the-wild" videos [31.746152261362777]
  In-the-wild」ビデオにおいて,アクターの感情状態をリアルに操作するための新しい深層学習手法を提案する。 提案手法は,頭部のポーズや表情から顔のアイデンティティを確実に切り離すことのできる,入力シーンにおけるアクターのパラメトリックな3次元顔表現に基づく。 次に、新しいディープドメイン翻訳フレームワークを使用し、顔の表情を一貫した、そして妥当な方法で変更し、そのダイナミクスを考慮に入れます。
  論文  参考訳（メタデータ） (2021-12-01T15:55:04Z)
• Deep Semantic Manipulation of Facial Videos [5.048861360606916]
  本稿では,ビデオにおける表情の写実的操作を行うための最初の方法を提案する。 本手法は,ニューラルレンダリングと3次元表情モデリングに基づくセマンティックビデオ操作を支援する。 提案手法は,3次元顔の形状と活動の歪んだ表現と推定に基づく。
  論文  参考訳（メタデータ） (2021-11-15T16:55:16Z)
• Image-to-Video Generation via 3D Facial Dynamics [78.01476554323179]
  静止画像から様々な映像を生成するために多目的モデルであるFaceAnimeを提案する。 私たちのモデルは、顔ビデオや顔ビデオの予測など、さまざまなAR/VRやエンターテイメントアプリケーションに汎用的です。
  論文  参考訳（メタデータ） (2021-05-31T02:30:11Z)
• Continuous Emotion Recognition with Spatiotemporal Convolutional Neural Networks [82.54695985117783]
  In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。 我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
  論文  参考訳（メタデータ） (2020-11-18T13:42:05Z)
• DeepFaceFlow: In-the-wild Dense 3D Facial Motion Estimation [56.56575063461169]
  DeepFaceFlowは、3D非剛体顔の流れを推定するための堅牢で高速で高精度なフレームワークである。 私たちのフレームワークは、2つの非常に大規模な顔ビデオデータセットでトレーニングされ、テストされました。 登録された画像に対して,60fpsで3次元フローマップを生成する。
  論文  参考訳（メタデータ） (2020-05-14T23:56:48Z)
• 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。