論文の概要: Impact of Action Unit Occurrence Patterns on Detection

• arxiv url: http://arxiv.org/abs/2010.07982v1
• Date: Thu, 15 Oct 2020 19:03:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 04:27:07.245031
• Title: Impact of Action Unit Occurrence Patterns on Detection
• Title（参考訳）: 動作単位の出現パターンが検出に及ぼす影響
• Authors: Saurabh Hinduja, Shaun Canavan, Saandeep Aathreya
• Abstract要約: 動作単位発生パターンが動作単位の検出に与える影響について検討する。 その結果,行動単位発生パターンが評価指標に強く影響していることが示唆された。 本稿では,行動単位検出の精度を高めるために,発生パターンを用いてディープニューラルネットワークを明示的に訓練する新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 0.3670422696827526
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting action units is an important task in face analysis, especially in facial expression recognition. This is due, in part, to the idea that expressions can be decomposed into multiple action units. In this paper we investigate the impact of action unit occurrence patterns on detection of action units. To facilitate this investigation, we review state of the art literature, for AU detection, on 2 state-of-the-art face databases that are commonly used for this task, namely DISFA, and BP4D. Our findings, from this literature review, suggest that action unit occurrence patterns strongly impact evaluation metrics (e.g. F1-binary). Along with the literature review, we also conduct multi and single action unit detection, as well as propose a new approach to explicitly train deep neural networks using the occurrence patterns to boost the accuracy of action unit detection. These experiments validate that action unit patterns directly impact the evaluation metrics.
• Abstract（参考訳）: 行動単位の検出は顔分析、特に表情認識において重要なタスクである。 これは、式を複数のアクションユニットに分解できるという考えに起因している。 本稿では,行動単位の出現パターンが行動単位の検出に与える影響について検討する。 本研究では,この課題によく使用される2つの最先端の顔データベースであるdisFAとBP4Dについて,AU検出のための技術文献の現状を概観する。 この文献レビューから,行動単位の発生パターンが評価指標(例えばf1-binary)に強く影響することが示唆された。 文献レビューと合わせて,多行動単位検出と単一行動単位検出を行うとともに,出現パターンを用いて深層ニューラルネットワークを明示的に訓練し,行動単位検出の精度を高める新たなアプローチを提案する。 これらの実験は、アクションユニットパターンが評価メトリクスに直接影響を与えることを検証します。

関連論文リスト

• Uncertainty-Guided Appearance-Motion Association Network for Out-of-Distribution Action Detection [4.938957922033169]
  セマンティックシフトでテストサンプルを検出し、拒否するOOD(Out-of-Distribution)検出ターゲット。 我々は,新しい不確実性誘導外観運動ネットワーク(UAAN)を提案する。 UAANは最先端の手法をかなりの差で打ち負かし、その効果を実証する。
  論文  参考訳（メタデータ） (2024-09-16T02:53:49Z)
• ODAM: Gradient-based instance-specific visual explanations for object detection [51.476702316759635]
  勾配重み付き物体検出器活性化マップ(ODAM) ODAMは、各予測属性に対する検出器の決定に対する領域の影響を示す熱マップを生成する。 そこで本研究では,重複検出対象を識別するために,各予測に対してモデルの説明情報を考慮したOdam-NMSを提案する。
  論文  参考訳（メタデータ） (2023-04-13T09:20:26Z)
• DOAD: Decoupled One Stage Action Detection Network [77.14883592642782]
  人々をローカライズし、ビデオからアクションを認識することは、ハイレベルなビデオ理解にとって難しい課題だ。 既存の手法は主に2段階ベースで、1段階は人物境界ボックス生成、もう1段階は行動認識を行う。 本稿では、時間的行動検出の効率を向上させるために、DOADと呼ばれる分離したワンステージネットワークを提案する。
  論文  参考訳（メタデータ） (2023-04-01T08:06:43Z)
• Impact of Video Processing Operations in Deepfake Detection [13.334500258498798]
  ビデオにおけるデジタル顔の操作は、公衆の信頼のリスクが増大したため、広く注目を集めている。 ディープラーニングに基づくディープフェイク検出法が開発され,優れた結果が得られた。 これらの検出器の性能は、現実世界の状況をほとんど反映しないベンチマークを用いて評価されることが多い。
  論文  参考訳（メタデータ） (2023-03-30T09:24:17Z)
• ReAct: Temporal Action Detection with Relational Queries [84.76646044604055]
  本研究は,アクションクエリを備えたエンコーダ・デコーダフレームワークを用いて,時間的行動検出(TAD)の進展を図ることを目的とする。 まず,デコーダ内の関係注意機構を提案し,その関係に基づいてクエリ間の関心を誘導する。 最後に、高品質なクエリを区別するために、推論時に各アクションクエリのローカライズ品質を予測することを提案する。
  論文  参考訳（メタデータ） (2022-07-14T17:46:37Z)
• Multi-modal Multi-label Facial Action Unit Detection with Transformer [7.30287060715476]
  本稿では,第3回ABAW(Affective Behavior Analysis)2022コンペティションについて述べる。 映像中の顔行動単位(FAU)を検出するためのトランスフォーマーモデルを提案した。
  論文  参考訳（メタデータ） (2022-03-24T18:59:31Z)
• SegTAD: Precise Temporal Action Detection via Semantic Segmentation [65.01826091117746]
  意味的セグメンテーションの新しい視点で時間的行動検出のタスクを定式化する。 TADの1次元特性により、粗粒度検出アノテーションを細粒度セマンティックセマンティックアノテーションに無償で変換できる。 1Dセマンティックセグメンテーションネットワーク(1D-SSN)と提案検出ネットワーク(PDN)からなるエンドツーエンドフレームワークSegTADを提案する。
  論文  参考訳（メタデータ） (2022-03-03T06:52:13Z)
• Measuring the Contribution of Multiple Model Representations in Detecting Adversarial Instances [0.0]
  本稿では,複数のモデルから表現を取り入れた2つの手法について述べる。 多くのシナリオについて検討した結果,表現の抽出に使用する基礎モデルの数によって,性能が向上することが明らかとなった。
  論文  参考訳（メタデータ） (2021-11-13T04:24:57Z)
• Technical Report: Disentangled Action Parsing Networks for Accurate Part-level Action Parsing [65.87931036949458]
  Part-level Action Parsingは、ビデオにおけるアクション認識を促進するための部分状態解析を目的としている。 DAP(disentangled action parsing)というシンプルなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-11-05T02:29:32Z)
• Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
  セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。 私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
  論文  参考訳（メタデータ） (2021-08-03T17:09:56Z)

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。