論文の概要: The Analysis of Facial Feature Deformation using Optical Flow Algorithm

• arxiv url: http://arxiv.org/abs/2010.12199v2
• Date: Fri, 13 Nov 2020 04:14:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 23:10:43.684388
• Title: The Analysis of Facial Feature Deformation using Optical Flow Algorithm
• Title（参考訳）: 光フローアルゴリズムによる顔の特徴変形の解析
• Authors: Dayang Nur Zulhijah Awang Jesemi, Hamimah Ujir, Irwandi Hipiny, Sarah Flora Samson Juan
• Abstract要約: 特定の顔の特徴は特定の表情に関連しており、幸福とは口の変形を意味する。 本稿では,光学的フローアルゴリズムを用いて,各表情の顔の特徴変形について検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial features deformed according to the intended facial expression. Specific facial features are associated with specific facial expression, i.e. happy means the deformation of mouth. This paper presents the study of facial feature deformation for each facial expression by using an optical flow algorithm and segmented into three different regions of interest. The deformation of facial features shows the relation between facial the and facial expression. Based on the experiments, the deformations of eye and mouth are significant in all expressions except happy. For happy expression, cheeks and mouths are the significant regions. This work also suggests that different facial features' intensity varies in the way that they contribute to the recognition of the different facial expression intensity. The maximum magnitude across all expressions is shown by the mouth for surprise expression which is 9x10-4. While the minimum magnitude is shown by the mouth for angry expression which is 0.4x10-4.
• Abstract（参考訳）: 顔の表情によって変形する顔の特徴。 特定の顔の特徴は、特定の表情、すなわち幸福とは口の変形を意味する。 本稿では,光学フローアルゴリズムを用いて各表情の顔の特徴変形について検討し,興味のある領域を3つに分けた。 顔の特徴の変形は表情と表情の関係を示す。 実験結果から,happyを除くすべての表現において,目と口の変形は有意であった。 ハッピーな表現では、頬と口が重要な領域である。 この研究は、異なる表情の特徴の強度が、異なる表情の強度の認識に寄与する方法によって変化することも示唆している。 全表現の最大等級は9x10-4のサプライズ表現のためのマウスによって示される。 最小のマグニチュードは、0.4x10-4の怒りを表す口によって示される。

関連論文リスト

• Knowledge-Enhanced Facial Expression Recognition with Emotional-to-Neutral Transformation [66.53435569574135]
  既存の表情認識法は、通常、個別のラベルを使って訓練済みのビジュアルエンコーダを微調整する。 視覚言語モデルによって生成されるテキスト埋め込みの豊富な知識は、識別的表情表現を学ぶための有望な代替手段である。 感情-中性変換を用いた知識強化FER法を提案する。
  論文  参考訳（メタデータ） (2024-09-13T07:28:57Z)
• 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)
• Emotion Recognition for Challenged People Facial Appearance in Social using Neural Network [0.0]
  CNNでは、取得した画像を異なる感情カテゴリに分類するために顔表現が使用される。 本稿では,画像による表情の認識と啓蒙の不変性について提案する。
  論文  参考訳（メタデータ） (2023-05-11T14:38:27Z)
• Audio-Driven Talking Face Generation with Diverse yet Realistic Facial Animations [61.65012981435094]
  DIRFAは、異なるが現実的な顔のアニメーションを同一の駆動音声から生成できる新しい方法である。 同一音声に対して妥当な顔のアニメーションの変動に対応するため,トランスフォーマーに基づく確率的マッピングネットワークを設計する。 DIRFAは現実的な顔のアニメーションを効果的に生成できることを示す。
  論文  参考訳（メタデータ） (2023-04-18T12:36:15Z)
• What happens in Face during a facial expression? Using data mining techniques to analyze facial expression motion vectors [9.962268111440105]
  マシンが表情を認識する方法の1つは、表情提示中の顔の変化を分析することである。 C5.0, CRT, QUEST, CHAID, Deep Learning (DL), SVM, Discriminantといった最先端の分類アルゴリズムを用いて, 抽出した動きベクトルを分類した。 Extended Cohen-Kanade (CK+) の表情データセットの実験結果によると、最良の方法はDL、SVM、C5.0である。
  論文  参考訳（メタデータ） (2021-09-12T08:17:44Z)
• Learning Facial Representations from the Cycle-consistency of Face [23.23272327438177]
  顔特徴の周期一貫性を自由監督信号として導入し、ラベルのない顔画像から顔の表情を学習する。 この学習は、顔の動きサイクルの制約とアイデンティティのサイクルの制約を重畳することによって実現される。 我々のアプローチは既存の手法と競合し、アンタングル表現に埋め込まれたリッチでユニークな情報を実証する。
  論文  参考訳（メタデータ） (2021-08-07T11:30:35Z)
• I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
  今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。 また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
  論文  参考訳（メタデータ） (2021-04-16T20:03:30Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• LandmarkGAN: Synthesizing Faces from Landmarks [43.53204737135101]
  顔のランドマークに基づいた顔合成を入力として行う新しい手法であるLandmarkGANについて述べる。 提案手法では,顔のランドマークの集合を異なる対象の新たな顔に変換することができるが,顔の表情や向きは同一である。
  論文  参考訳（メタデータ） (2020-10-31T13:27:21Z)
• Comprehensive Facial Expression Synthesis using Human-Interpretable Language [33.11402372756348]
  言語に基づく表情記述から新しい表情合成モデルを提案する。 本手法は,詳細な表情で顔画像の合成を行う。 さらに, 顔の特徴に言語特徴を効果的に埋め込むことで, 個々の単語を制御し, 顔の動きを処理できる。
  論文  参考訳（メタデータ） (2020-07-16T07:28:25Z)
• It's Written All Over Your Face: Full-Face Appearance-Based Gaze Estimation [82.16380486281108]
  顔の全体像のみを入力とする外観に基づく手法を提案する。 本手法は,特徴写像に空間重みを印加した畳み込みニューラルネットワークを用いて顔画像の符号化を行う。 本手法は2次元視線と3次元視線の両方で技量を有意に上回ることを示す。
  論文  参考訳（メタデータ） (2016-11-27T15:00:10Z)

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。