論文の概要: SMA-STN: Segmented Movement-Attending Spatiotemporal Network
forMicro-Expression Recognition
- arxiv url: http://arxiv.org/abs/2010.09342v1
- Date: Mon, 19 Oct 2020 09:23:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 20:37:15.605930
- Title: SMA-STN: Segmented Movement-Attending Spatiotemporal Network
forMicro-Expression Recognition
- Title(参考訳): SMA-STN:マイクロ圧縮認識のためのセグメント移動時空間ネットワーク
- Authors: Jiateng Liu, Wenming Zheng, Yuan Zong
- Abstract要約: 本稿では,視覚的に視覚的に微妙な動き変化を明らかにするために,SMA-STN( segmented movement-attending network)を提案する。
CALoss II、SAMM、ShiCの3つの広く使われているベンチマークに対する大規模な実験は、提案されたSMA-STNが他の最先端手法よりも優れたMER性能を達成することを示している。
- 参考スコア(独自算出の注目度): 20.166205708651194
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Correctly perceiving micro-expression is difficult since micro-expression is
an involuntary, repressed, and subtle facial expression, and efficiently
revealing the subtle movement changes and capturing the significant segments in
a micro-expression sequence is the key to micro-expression recognition (MER).
To handle the crucial issue, in this paper, we firstly propose a dynamic
segmented sparse imaging module (DSSI) to compute dynamic images as
local-global spatiotemporal descriptors under a unique sampling protocol, which
reveals the subtle movement changes visually in an efficient way. Secondly, a
segmented movement-attending spatiotemporal network (SMA-STN) is proposed to
further unveil imperceptible small movement changes, which utilizes a
spatiotemporal movement-attending module (STMA) to capture long-distance
spatial relation for facial expression and weigh temporal segments. Besides, a
deviation enhancement loss (DE-Loss) is embedded in the SMA-STN to enhance the
robustness of SMA-STN to subtle movement changes in feature level. Extensive
experiments on three widely used benchmarks, i.e., CASME II, SAMM, and SHIC,
show that the proposed SMA-STN achieves better MER performance than other
state-of-the-art methods, which proves that the proposed method is effective to
handle the challenging MER problem.
- Abstract(参考訳): マイクロ圧縮は不随意で、抑圧され、微妙な表情であり、微妙な動きの変化を効率よく明らかにし、マイクロ表現シーケンスにおける重要なセグメントを捉えることが、マイクロ表現認識(MER)の鍵となる。
そこで本稿では,まず動的セグメント化スパースイメージングモジュール(dssi)を提案し,動的イメージを局所的時空間ディスクリプタとして計算し,視覚的に微妙な動き変化を視覚的に可視化する手法を提案する。
次に,sma-stn (segmented movement-attending spatiotemporal network) を提案する。sma-stn (segmented movement-attending spatiotemporal network) は,表情の長期的空間的関係を捉え,時間的セグメントを重み付けするためにstma (stma) を使用する。
また、SMA-STNに偏差増強損失(DE-Loss)を埋め込んで、SMA-STNの堅牢性を高め、特徴レベルの微妙な動き変化を生じさせる。
CASME II, SAMM, ShiC の3つの広く使われているベンチマーク実験により,提案したSMA-STN が他の最先端手法よりも優れた MER 性能を達成し,提案手法が挑戦的な MER 問題に対処できることを示す。
関連論文リスト
- Unleashing Network Potentials for Semantic Scene Completion [50.95486458217653]
本稿では,新しいSSCフレームワーク - Adrial Modality Modulation Network (AMMNet)を提案する。
AMMNetは、モダリティ間の勾配流の相互依存性を可能にするクロスモーダル変調と、動的勾配競争を利用するカスタマイズされた逆トレーニングスキームの2つのコアモジュールを導入している。
AMMNetは最先端のSSC法よりも大きなマージンで優れていた。
論文 参考訳(メタデータ) (2024-03-12T11:48:49Z) - Wavelet-Decoupling Contrastive Enhancement Network for Fine-Grained
Skeleton-Based Action Recognition [8.743480762121937]
本稿ではウェーブレット・アテンション・デカップリング(WAD)モジュールを提案する。
また,コントラスト学習によるトラジェクティブ特徴に対する注意を高めるために,FCEモジュールを提案する。
提案手法は最先端の手法と競合して動作し,微粒な動作を適切に識別することができる。
論文 参考訳(メタデータ) (2024-02-03T16:51:04Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing
Image Segmentation [66.31941110777734]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳(メタデータ) (2023-12-19T08:14:14Z) - Spatio-Temporal Branching for Motion Prediction using Motion Increments [55.89014020303557]
HMP(Human Motion Prediction)はその多種多様な応用により、人気のある研究トピックとして浮上している。
従来の手法は手作りの機能と機械学習技術に依存している。
HMPのためのインクリメンタル情報を用いた時空間分岐ネットワークを提案する。
論文 参考訳(メタデータ) (2023-08-02T12:04:28Z) - Motion Gait: Gait Recognition via Motion Excitation [5.559482051571756]
本研究では,時間的特徴をガイドする動作励起モジュール (MEM) を提案する。
MEMはフレームと間隔の違い情報を学習し、時間変動の表現を得る。
本研究では,人間の水平部分の空間的時間的表現に基づいて独立に学習するファイン・フィーチャー・エクストラクタ(EFF)を提案する。
論文 参考訳(メタデータ) (2022-06-22T13:47:14Z) - ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based
Motion Segmentation [101.19290845597918]
本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。
時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
論文 参考訳(メタデータ) (2022-03-22T13:40:26Z) - 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) - Unsupervised Motion Representation Learning with Capsule Autoencoders [54.81628825371412]
Motion Capsule Autoencoder (MCAE) は、2レベル階層のモーションをモデル化する。
MCAEは、新しいTrajectory20モーションデータセットと、様々な現実世界の骨格に基づく人間のアクションデータセットで評価されている。
論文 参考訳(メタデータ) (2021-10-01T16:52:03Z) - Segmentation and Classification of EMG Time-Series During Reach-to-Grasp
Motion [10.388787606334745]
動的アーム/ハンド姿勢の変動を伴う連続把握動作から発生するEMG信号を分類するためのフレームワークを提案する。
提案されたフレームワークはリアルタイムに評価され、時間とともに精度が変化した。
論文 参考訳(メタデータ) (2021-04-19T20:41:06Z) - Non-Linearities Improve OrigiNet based on Active Imaging for Micro
Expression Recognition [8.112868317921853]
ビデオの表現領域におけるアクティブな変化を1フレームに分離するために,能動画像の概念を導入する。
ビデオ中のマイクロ表現の重要な特徴を効率的に学習する,ハイブリッド局所受容場に基づく拡張現実ネットワーク(OrigiNet)を提案する。
論文 参考訳(メタデータ) (2020-05-16T13:44:49Z)
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。