論文の概要: The Use of AI for Thermal Emotion Recognition: A Review of Problems and
Limitations in Standard Design and Data
- arxiv url: http://arxiv.org/abs/2009.10589v1
- Date: Tue, 22 Sep 2020 14:58:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 21:59:29.635022
- Title: The Use of AI for Thermal Emotion Recognition: A Review of Problems and
Limitations in Standard Design and Data
- Title（参考訳）: 熱的感情認識におけるaiの利用 : 標準設計とデータにおける問題点と限界のレビュー
- Authors: Catherine Ordun, Edward Raff, Sanjay Purushotham
- Abstract要約: コビッド19のスクリーニングに熱画像に注目が集まる中、公共セクターはコンピュータービジョンとAIのモダリティとして熱を利用する新たな機会があると信じているかもしれない。
本稿では、熱FERにおける機械学習の短いレビューと、AIトレーニングのための熱FERデータの収集・開発限界について述べる。
- 参考スコア（独自算出の注目度）: 36.33347149799959
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the increased attention on thermal imagery for Covid-19 screening, the
public sector may believe there are new opportunities to exploit thermal as a
modality for computer vision and AI. Thermal physiology research has been
ongoing since the late nineties. This research lies at the intersections of
medicine, psychology, machine learning, optics, and affective computing. We
will review the known factors of thermal vs. RGB imaging for facial emotion
recognition. But we also propose that thermal imagery may provide a
semi-anonymous modality for computer vision, over RGB, which has been plagued
by misuse in facial recognition. However, the transition to adopting thermal
imagery as a source for any human-centered AI task is not easy and relies on
the availability of high fidelity data sources across multiple demographics and
thorough validation. This paper takes the reader on a short review of machine
learning in thermal FER and the limitations of collecting and developing
thermal FER data for AI training. Our motivation is to provide an introductory
overview into recent advances for thermal FER and stimulate conversation about
the limitations in current datasets.
- Abstract（参考訳）: コビッド19のスクリーニングに熱画像に注目が集まる中、公共セクターはコンピュータービジョンとAIのモダリティとして熱を利用する新たな機会があると信じているかもしれない。
熱生理学の研究は90年代後半から続いている。
この研究は医学、心理学、機械学習、光学、感情コンピューティングの交差点にある。
顔の感情認識のための熱対RGB画像の既知の要因について概説する。
しかし,熱画像は,顔認識の誤用に悩まされているRGBよりも,コンピュータビジョンに半匿名のモダリティを与える可能性が示唆された。
しかし、人間中心のAIタスクのソースとして熱画像を採用することへの移行は簡単ではなく、複数の階層にわたる高忠実度データソースの可用性と徹底的な検証に依存している。
本稿では、熱FERにおける機械学習の短いレビューと、AIトレーニングのための熱FERデータの収集・開発限界について述べる。
私たちのモチベーションは、最近のサーマルferの進歩を概観し、現在のデータセットの制限に関する会話を刺激することにあります。
関連論文リスト
- MISFIT-V: Misaligned Image Synthesis and Fusion using Information from
Thermal and Visual [2.812395851874055]
本研究は、熱・視覚情報を用いた画像合成と融合のミスアライメントを提示する(MISFIT-V)。
GAN(Generative Adversarial Network)とクロスアテンション機構を利用して、各モードから最も関連性の高い特徴をキャプチャする。
実験結果からMISFIT-Vは, 配向不良や照明・熱環境の悪化に対して強靭性を示した。
論文 参考訳（メタデータ） (2023-09-22T23:41:24Z) - A Generative Approach for Image Registration of Visible-Thermal (VT)
Cancer Faces [77.77475333490744]
我々は、生成的アライメントアルゴリズムを適用し、修正することで、画像登録の古典的なコンピュータビジョンタスクを近代化する。
本稿では,V2T画像翻訳における生成AI下流タスクで生成した熱画像の品質が52.5%に向上することが実証された。
論文 参考訳（メタデータ） (2023-08-23T17:39:58Z) - What Happened 3 Seconds Ago? Inferring the Past with Thermal Imaging [22.923237551192834]
人体動作解析のための最初のRGBサーマルデータセットを収集した。
我々は過去の人間のポーズ推定を正確にするための3段階ニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2023-04-26T16:23:10Z) - A Novel Fully Annotated Thermal Infrared Face Dataset: Recorded in
Various Environment Conditions and Distances From The Camera [3.2872586139884623]
本稿では,シャーロット・サーマルフェイス(Charlotte-ThermalFace)と呼ぶ顔サーモグラフィに関する新しいデータセットについて述べる。
シャーロット・サーマルフェイスは、様々な熱条件、カメラからの距離、異なる頭部位置において、100000以上の赤外線熱画像を含んでいる。
データは、顔のランドマーク、周囲の温度、相対湿度、部屋の空気速度、カメラの距離、各画像の撮影時の熱感で完全に注釈付けされている。
論文 参考訳（メタデータ） (2022-04-29T17:57:54Z) - Machine Learning-Based Automated Thermal Comfort Prediction: Integration
of Low-Cost Thermal and Visual Cameras for Higher Accuracy [3.2872586139884623]
利用者の快適さに関するデータを提供するためには,リアルタイムフィードバックシステムが必要である。
非侵襲型サーマルスキャンに対して、より包括的視点をもたらすためには、新しいソリューションが必要である。
論文 参考訳（メタデータ） (2022-04-14T15:30:16Z) - Maximizing Self-supervision from Thermal Image for Effective
Self-supervised Learning of Depth and Ego-motion [78.19156040783061]
熱画像からの深度とエゴモーションの自己教師付き学習は、困難なシナリオ下で強い堅牢性と信頼性を示す。
弱いコントラスト、ぼやけたエッジ、ノイズなどの固有の熱画像特性は、熱画像から効果的な自己スーパービジョンを生成するために障害となる。
本研究では,時間的一貫性を維持しつつ,全体構造,コントラスト,詳細などの画像情報を大幅に向上させる有効熱画像マッピング手法を提案する。
論文 参考訳（メタデータ） (2022-01-12T09:49:24Z) - Generating Thermal Human Faces for Physiological Assessment Using
Thermal Sensor Auxiliary Labels [21.920079976038163]
熱画像は、人間のストレス、炎症の兆候、そして目に見える画像では見えない感情的な感情に関する、医学的に重要な生理的情報を明らかにする。
本稿では,画像からサーマルフェイスを生成するための補助センサラベル予測ネットワークを備えた画素画像変換モデルであるfavtGANを紹介する。
これらの組み合わせデータセットの実験により、favtGANは、単一の顔データセットだけでのトレーニングと比較して、生成された熱面のSSIMとPSNRスコアの増加を示す。
論文 参考訳（メタデータ） (2021-06-15T12:32:52Z) - A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。
395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。
本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
論文 参考訳（メタデータ） (2021-01-07T17:17:12Z) - Exploring Thermal Images for Object Detection in Underexposure Regions
for Autonomous Driving [67.69430435482127]
アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。
サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。
本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-01T09:59:09Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。