論文の概要: Mean Oriented Riesz Features for Micro Expression Classification

• arxiv url: http://arxiv.org/abs/2005.06198v1
• Date: Wed, 13 May 2020 08:23:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 13:16:40.152598
• Title: Mean Oriented Riesz Features for Micro Expression Classification
• Title（参考訳）: マイクロ表現分類のための平均指向リース特徴
• Authors: Carlos Arango Duque, Olivier Alata, R\'emi Emonet, Hubert Konik and Anne-Claire Legrand
• Abstract要約: Rieszピラミッドを用いた新しいマイクロ圧縮認識手法を提案する。 Riesz変換からの支配的な配向定数を利用して、マイクロ圧縮シーケンスを画像対に平均化する。
• 参考スコア（独自算出の注目度）: 2.02258267891574
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Micro-expressions are brief and subtle facial expressions that go on and off the face in a fraction of a second. This kind of facial expressions usually occurs in high stake situations and is considered to reflect a human's real intent. There has been some interest in micro-expression analysis, however, a great majority of the methods are based on classically established computer vision methods such as local binary patterns, histogram of gradients and optical flow. A novel methodology for micro-expression recognition using the Riesz pyramid, a multi-scale steerable Hilbert transform is presented. In fact, an image sequence is transformed with this tool, then the image phase variations are extracted and filtered as proxies for motion. Furthermore, the dominant orientation constancy from the Riesz transform is exploited to average the micro-expression sequence into an image pair. Based on that, the Mean Oriented Riesz Feature description is introduced. Finally the performance of our methods are tested in two spontaneous micro-expressions databases and compared to state-of-the-art methods.
• Abstract（参考訳）: マイクロ表現は簡潔で微妙な表情で、ほんの数秒で顔に出入りする。 この種の表情は通常、高い利害状況で起こり、人間の本当の意図を反映していると考えられている。 マイクロ圧縮解析にはいくつかの関心があるが、ほとんどの手法は局所的なバイナリパターン、勾配のヒストグラム、光の流れといった古典的に確立されたコンピュータビジョン法に基づいている。 リースピラミッドを用いたマイクロ表現認識のための新しい手法として,多スケールステアブルヒルベルト変換を提案する。 実際、このツールで画像シーケンスを変換すると、画像位相のバリエーションが抽出され、動きのプロキシとしてフィルタされる。 さらに、Riesz変換からの支配的な配向定数を利用して、マイクロ圧縮シーケンスを画像対に平均化する。 これに基づいて、平均指向Riesz特徴記述が導入される。 最後に,本手法の性能を2つの自発的マイクロ表現データベースでテストし,最新手法と比較した。

関連論文リスト

• SpotFormer: Multi-Scale Spatio-Temporal Transformer for Facial Expression Spotting [11.978551396144532]
  本稿では,表情スポッティングのための効率的なフレームワークを提案する。 まず,スライディングウィンドウを用いたマルチリゾリューション・オプティカルフロー(SW-MRO)機能を提案する。 第2に,SW-MRO特徴の顔時間関係を同時に符号化し,フレームレベルの精度推定を行うマルチスケール時間変換器であるSpotFormerを提案する。 第3に,異なる種類の表現の識別性を高めるために,教師付きコントラスト学習をSpotFormerに導入する。
  論文  参考訳（メタデータ） (2024-07-30T13:02:08Z)
• Distractors-Immune Representation Learning with Cross-modal Contrastive Regularization for Change Captioning [71.14084801851381]
  変更キャプションは、類似した画像間のセマンティックな変化を簡潔に記述することを目的としている。 既存のほとんどの手法は、それらの違いを直接キャプチャし、エラーを起こしやすい特徴を得るリスクを負う。 本稿では,2つの画像表現の対応するチャネルを関連づけるイントラクタ免疫表現学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T13:00:33Z)
• Multi-scale multi-modal micro-expression recognition algorithm based on transformer [17.980579727286518]
  マイクロ・エクスプレッション(micro-expression)は、人々が隠そうとする真の感情を明らかにする、自然に無意識の顔面筋運動である。 マイクロ表現の局所的多粒度特徴を学習するためのトランスフォーマーネットワークに基づくマルチモーダルマルチスケールアルゴリズムを提案する。 その結果、単一測定SMICデータベースにおける提案アルゴリズムの精度は78.73%、組合せデータベースのCASMEII上のF1値は最大0.9071であることがわかった。
  論文  参考訳（メタデータ） (2023-01-08T03:45:23Z)
• Facial Expression Translation using Landmark Guided GANs [84.64650795005649]
  表情から表現への変換のための強力なランドマークガイド付き生成支援ネットワーク(LandmarkGAN)を提案する。 提案したLandmarkGANは,1つの画像のみを用いて,最先端のアプローチよりも優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-09-05T20:52:42Z)
• Lagrangian Motion Magnification with Double Sparse Optical Flow Decomposition [2.1028463367241033]
  顔面微小運動の局所的なラグランジアン運動倍率に対する新しいアプローチを提案する。 まず、顔を深層学習するために、リカレントな全ペアフィールド変換(RAFT)を微調整する。 第二に、顔の微小運動は空間と時間の両方で局所的であるので、空間と時間の両方でスパース成分を分解し、二重スパース分解をもたらすOF場を近似することを提案する。
  論文  参考訳（メタデータ） (2022-04-15T20:24:11Z)
• 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)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
  提案手法の性能は, 広く使用されている3つのデータセットで評価される。 ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
  論文  参考訳（メタデータ） (2021-06-08T13:40:30Z)
• Micro-Facial Expression Recognition Based on Deep-Rooted Learning Algorithm [0.0]
  本稿では,MFEDRL(Micro-Facial Expression Based Deep-Rooted Learning)分類器を提案する。 アルゴリズムの性能は認識率と偽測度を用いて評価する。
  論文  参考訳（メタデータ） (2020-09-12T12:23:27Z)

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。