論文の概要: An Overview of Facial Micro-Expression Analysis: Data, Methodology and
Challenge
- arxiv url: http://arxiv.org/abs/2012.11307v1
- Date: Mon, 21 Dec 2020 13:20:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 06:43:57.953175
- Title: An Overview of Facial Micro-Expression Analysis: Data, Methodology and
Challenge
- Title（参考訳）: 顔面微小表現解析の概観 : データ, 方法論, 課題
- Authors: Hong-Xia Xie, Ling Lo, Hong-Han Shuai and Wen-Huang Cheng
- Abstract要約: 顔のマイクロ表現は感情的なコミュニケーションの間に現れる短く、微妙な顔の動きを示します。
近年、マイクロ表現認識(MER)は、幅広いアプリケーションに恩恵をもたらす可能性があるため、多くの注目を集めています。
MERは、3つの新しい側面からアプローチする:マクロからマイクロへの適応、キー頂点フレームに基づく認識、顔アクション単位に基づく認識。
- 参考スコア（独自算出の注目度）: 24.495792982803124
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Facial micro-expressions indicate brief and subtle facial movements that
appear during emotional communication. In comparison to macro-expressions,
micro-expressions are more challenging to be analyzed due to the short span of
time and the fine-grained changes. In recent years, micro-expression
recognition (MER) has drawn much attention because it can benefit a wide range
of applications, e.g. police interrogation, clinical diagnosis, depression
analysis, and business negotiation. In this survey, we offer a fresh overview
to discuss new research directions and challenges these days for MER tasks. For
example, we review MER approaches from three novel aspects: macro-to-micro
adaptation, recognition based on key apex frames, and recognition based on
facial action units. Moreover, to mitigate the problem of limited and biased ME
data, synthetic data generation is surveyed for the diversity enrichment of
micro-expression data. Since micro-expression spotting can boost
micro-expression analysis, the state-of-the-art spotting works are also
introduced in this paper. At last, we discuss the challenges in MER research
and provide potential solutions as well as possible directions for further
investigation.
- Abstract（参考訳）: 顔の微小表現は、感情的なコミュニケーション中に現れる簡潔で微妙な顔の動きを示す。
マクロ表現と比較して、マイクロ表現は短い時間ときめ細かい変化のために分析することがより困難である。
近年、マイクロ表現認識(mer)は、例えば、幅広い応用にメリットがあるため、多くの注目を集めている。
警察の尋問、臨床診断、抑うつ分析、ビジネスネゴシエーション。
本調査では,近年のMERタスクにおける新たな研究の方向性と課題について概説する。
例えば、merアプローチをマクロからマイクロへの適応、キー頂点フレームに基づく認識、顔行動単位に基づく認識という3つの新しい側面から検討する。
さらに, 限定的および偏りのあるmeデータの問題を緩和するために, マイクロ表現データの多様性向上のための合成データ生成法について検討した。
マイクロ表現スポッティングによってマイクロ表現解析が促進されるため,本稿では最先端のスポッティング技術も紹介する。
最終的に、mer研究の課題を議論し、潜在的な解決策とさらなる調査の方向性を提供する。
関連論文リスト
- Adaptive Temporal Motion Guided Graph Convolution Network for Micro-expression Recognition [48.21696443824074]
ATM-GCN(Adaptive Temporal Motion Guided Graph Convolution Network)と呼ばれる,マイクロ圧縮認識のための新しいフレームワークを提案する。
本フレームワークは,クリップ全体のフレーム間の時間的依存関係の把握に優れ,クリップレベルでのマイクロ圧縮認識が向上する。
論文 参考訳（メタデータ） (2024-06-13T10:57:24Z) - From Macro to Micro: Boosting micro-expression recognition via pre-training on macro-expression videos [9.472210792839023]
マイクロ圧縮認識(MER)は、インテリジェント医療や嘘検出に応用される可能性があるため、近年注目を集めている。
我々は、textbfMAcro-expression textbfTO textbfMIcro-expression (MA2MI) と呼ばれる一般化トランスファー学習パラダイムを提案する。
我々のパラダイムでは、ネットワークは将来のフレームを再構築することで、微妙な顔の動きを表現する能力を学ぶことができる。
論文 参考訳（メタデータ） (2024-05-26T06:42:06Z) - GPT as Psychologist? Preliminary Evaluations for GPT-4V on Visual Affective Computing [74.68232970965595]
MLLM(Multimodal large language model)は、テキスト、音声、画像、ビデオなどの複数のソースからの情報を処理し、統合するように設計されている。
本稿では、視覚的情緒的タスクと推論タスクにまたがる5つの重要な能力を持つMLLMの適用性を評価する。
論文 参考訳（メタデータ） (2024-03-09T13:56:25Z) - AU-aware graph convolutional network for Macro- and Micro-expression
spotting [44.507747407072685]
我々はAUW-GCN(Action-Unit-aWare Graph Convolutional Network)と呼ばれるグラフ畳み込み型ネットワークを提案する。
先行情報を注入し、小さなデータセットの問題に対処するために、AU関連統計データをネットワークにエンコードする。
その結果, 2つのベンチマークデータセットにおいて, ベースライン手法を一貫して向上させ, 新たなSOTA性能を実現することができた。
論文 参考訳（メタデータ） (2023-03-16T07:00:36Z) - Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms [52.58031087639394]
マイクロ表現は不随意かつ過渡的な表情である。
嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。
マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
論文 参考訳（メタデータ） (2022-01-30T05:14:13Z) - 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) - Shallow Optical Flow Three-Stream CNN for Macro- and Micro-Expression
Spotting from Long Videos [15.322908569777551]
本稿では,表現区間にあるフレームの確率を推定するモデルを提案する。
本稿では,最新のMEGC 2020ベンチマークにおいて提案手法の有効性と有効性を示す。
論文 参考訳（メタデータ） (2021-06-11T16:19:48Z) - Micro-expression spotting: A new benchmark [74.69928316848866]
マイクロ表現(ME)は、人々が本当の感情を隠そうとしたり、感情を隠そうとするときに起こる、簡潔で不随意の表情である。
コンピュータビジョンの分野では、MEの研究はスポッティングと認識という2つの主要なタスクに分けられる。
本稿ではSMIC-Eデータベースの拡張,すなわちSMIC-E-Longデータベースを紹介する。
論文 参考訳（メタデータ） (2020-07-24T09:18:41Z) - ICE-GAN: Identity-aware and Capsule-Enhanced GAN with Graph-based
Reasoning for Micro-Expression Recognition and Synthesis [26.414187427071063]
グラフに基づく推論(ICE-GAN)を用いた新しいアイデンティティ認識とカプセル強化型生成共役ネットワークを提案する。
このジェネレータは、制御可能なマイクロ表現と識別認識機能を備えた合成顔を生成し、グラフ推論モジュール(GRM)を介して長距離依存関係をキャプチャする。
ICE-GAN は Micro-Expression Grand Challenge 2019 (MEGC 2019) で評価され、勝者の12.9%を上回り、他の最先端の手法を上回りました。
論文 参考訳（メタデータ） (2020-05-09T05:37:44Z)
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。