論文の概要: Facial Expression Editing with Continuous Emotion Labels
- arxiv url: http://arxiv.org/abs/2006.12210v1
- Date: Mon, 22 Jun 2020 13:03:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 05:56:47.559121
- Title: Facial Expression Editing with Continuous Emotion Labels
- Title（参考訳）: 連続感情ラベルを用いた表情編集
- Authors: Alexandra Lindt, Pablo Barros, Henrique Siqueira and Stefan Wermter
- Abstract要約: 深層生成モデルは、自動表情編集の分野で素晴らしい成果を上げている。
連続した2次元の感情ラベルに従って顔画像の表情を操作できるモデルを提案する。
- 参考スコア（独自算出の注目度）: 76.36392210528105
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently deep generative models have achieved impressive results in the field
of automated facial expression editing. However, the approaches presented so
far presume a discrete representation of human emotions and are therefore
limited in the modelling of non-discrete emotional expressions. To overcome
this limitation, we explore how continuous emotion representations can be used
to control automated expression editing. We propose a deep generative model
that can be used to manipulate facial expressions in facial images according to
continuous two-dimensional emotion labels. One dimension represents an
emotion's valence, the other represents its degree of arousal. We demonstrate
the functionality of our model with a quantitative analysis using classifier
networks as well as with a qualitative analysis.
- Abstract（参考訳）: 近年,表情自動編集の分野では,深層生成モデルが目覚ましい成果を上げている。
しかし、これまでに提示されたアプローチは人間の感情の離散的な表現を前提としており、非離散的な感情表現のモデル化に限られている。
この制限を克服するために、連続的な感情表現を用いて自動表現編集を制御する方法について検討する。
本研究では,連続する2次元感情ラベルに従って顔画像の表情を操作できる深層生成モデルを提案する。
1次元は感情の原子価を表し、もう1次元は興奮の度合いを表す。
本稿では,分類器ネットワークを用いた定量的解析と定性解析を用いて,モデルの機能を示す。
関連論文リスト
- Emotional Images: Assessing Emotions in Images and Potential Biases in Generative Models [0.0]
本稿では、生成人工知能(AI)モデルにより生成された画像の感情的誘発における潜在的なバイアスと矛盾について検討する。
我々は、AIが生成した画像によって誘発される感情と、それらの画像を作成するために使用されるプロンプトによって誘発される感情を比較した。
発見は、AI生成画像が元のプロンプトに関係なく、しばしばネガティブな感情的コンテンツに傾いていることを示している。
論文 参考訳（メタデータ） (2024-11-08T21:42:50Z) - Towards Localized Fine-Grained Control for Facial Expression Generation [54.82883891478555]
人間、特にその顔は、豊かな表現と意図を伝える能力のために、コンテンツ生成の中心である。
現在の生成モデルは、主に平らな中立表現と文字なしの笑顔を認証なしで生成する。
顔生成における表情制御におけるAU(アクションユニット)の利用を提案する。
論文 参考訳（メタデータ） (2024-07-25T18:29:48Z) - A Unified and Interpretable Emotion Representation and Expression Generation [38.321248253111776]
我々はC2A2と呼ばれる解釈可能で統一された感情モデルを提案する。
生成した画像は豊かであり、微妙な表現を捉えていることを示す。
論文 参考訳（メタデータ） (2024-04-01T17:03:29Z) - EmoTalker: Emotionally Editable Talking Face Generation via Diffusion
Model [39.14430238946951]
EmoTalkerは、拡散モデルに基づく感情的に編集可能なポートレートアニメーションアプローチである。
感情インテンシティブロックは、プロンプトから派生したきめ細かい感情や強みを分析するために導入された。
EmoTalkerが高品質で感情的にカスタマイズ可能な表情生成に有効であることを示す実験を行った。
論文 参考訳（メタデータ） (2024-01-16T02:02:44Z) - Fine-Grained Emotion Prediction by Modeling Emotion Definitions [26.098917459551167]
本研究では,感情定義モデルを用いて,テキスト中の感情の微粒化を予測するための新しいフレームワークを提案する。
我々のモデルは、詳細な感情データセットGoEmotionsの既存の最先端よりも優れています。
論文 参考訳（メタデータ） (2021-07-26T12:11:18Z) - Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。
本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。
本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文 参考訳（メタデータ） (2021-04-20T16:55:15Z) - Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。
感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文 参考訳（メタデータ） (2021-03-01T08:31:08Z) - Modality-Transferable Emotion Embeddings for Low-Resource Multimodal
Emotion Recognition [55.44502358463217]
本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。
我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。
私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
論文 参考訳（メタデータ） (2020-09-21T06:10:39Z) - LEED: Label-Free Expression Editing via Disentanglement [57.09545215087179]
LEEDフレームワークは、表現ラベルを必要とせずに、前頭顔画像とプロファイル顔画像の両方の表現を編集することができる。
2つの新たな損失は、最適な表現の切り離しと一貫した合成のために設計されている。
論文 参考訳（メタデータ） (2020-07-17T13:36:15Z)
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。