論文の概要: Py-Feat: Python Facial Expression Analysis Toolbox

• arxiv url: http://arxiv.org/abs/2104.03509v1
• Date: Thu, 8 Apr 2021 04:52:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-09 13:13:54.204426
• Title: Py-Feat: Python Facial Expression Analysis Toolbox
• Title（参考訳）: Py-Feat: Pythonの表情解析ツールボックス
• Authors: Jin Hyun Cheong, Tiankang Xie, Sophie Byrne, Luke J. Chang
• Abstract要約: Py-FeatはオープンソースのPythonツールボックスで、顔の表情データの検出、前処理、分析、視覚化をサポートする。 このプラットフォームが、人間の行動研究における表情データの利用を増やすことを願っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Studying facial expressions is a notoriously difficult endeavor. Recent advances in the field of affective computing have yielded impressive progress in automatically detecting facial expressions from pictures and videos. However, much of this work has yet to be widely disseminated in social science domains such as psychology. Current state of the art models require considerable domain expertise that is not traditionally incorporated into social science training programs. Furthermore, there is a notable absence of user-friendly and open-source software that provides a comprehensive set of tools and functions that support facial expression research. In this paper, we introduce Py-Feat, an open-source Python toolbox that provides support for detecting, preprocessing, analyzing, and visualizing facial expression data. Py-Feat makes it easy for domain experts to disseminate and benchmark computer vision models and also for end users to quickly process, analyze, and visualize face expression data. We hope this platform will facilitate increased use of facial expression data in human behavior research.
• Abstract（参考訳）: 表情の研究は、非常に難しい仕事だ。 感情コンピューティングの分野での最近の進歩は、画像やビデオから表情を自動的に検出する、驚くべき進歩をもたらした。 しかし、この研究の多くは心理学などの社会科学分野では広く普及していない。 現在の芸術モデルは、伝統的に社会科学訓練プログラムに組み込まれていない相当な専門知識を必要とする。 さらに、表情研究をサポートする包括的なツールや機能セットを提供する、ユーザフレンドリーでオープンソースなソフトウェアがないことも注目すべきです。 本稿では,表情データの検出,前処理,解析,可視化をサポートするオープンソースのPythonツールボックスであるPy-Featを紹介する。 Py-Featは、ドメインの専門家がコンピュータビジョンモデルを広めてベンチマークしやすくし、エンドユーザが顔表現データを素早く処理し、分析し、視覚化することを可能にする。 このプラットフォームが人間の行動研究における表情データの利用を促進することを願っている。

関連論文リスト

• psifx -- Psychological and Social Interactions Feature Extraction Package [3.560429497877327]
  psifxはマルチモーダルな特徴抽出ツールキットである。 それは、人間の科学研究に最先端の機械学習技術を使うことを容易にし、民主化することを目的としている。
  論文  参考訳（メタデータ） (2024-07-14T16:20:42Z)
• Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
  ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。 今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
  論文  参考訳（メタデータ） (2024-01-29T18:59:56Z)
• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)
• LibreFace: An Open-Source Toolkit for Deep Facial Expression Analysis [7.185007035384591]
  表情解析のためのオープンソースのツールキットLibreFaceを紹介する。 ディープラーニングモデルによる顔の動作のリアルタイムおよびオフライン分析を提供する。 また,本モデルでは,最先端の表情解析手法と競合する性能を示す。
  論文  参考訳（メタデータ） (2023-08-18T00:33:29Z)
• Muscle Vision: Real Time Keypoint Based Pose Classification of Physical Exercises [52.77024349608834]
  ビデオから外挿された3D人間のポーズ認識は、リアルタイムソフトウェアアプリケーションを可能にするまで進歩した。 本稿では,ライブビデオフィード上で人間のポーズ認識を行う新しい機械学習パイプラインとWebインターフェースを提案する。
  論文  参考訳（メタデータ） (2022-03-23T00:55:07Z)
• Towards a General Deep Feature Extractor for Facial Expression Recognition [5.012963825796511]
  本稿では,他の顔の感情認識タスクやデータセットに適用可能な,視覚的特徴抽出器を学習する,新たなディープラーニングベースのアプローチを提案する。 DeepFEVERは、AffectNetとGoogle Facial Expression Comparisonデータセットで最先端の結果を上回っている。
  論文  参考訳（メタデータ） (2022-01-19T18:42:23Z)
• Pre-training strategies and datasets for facial representation learning [58.8289362536262]
  いくつかの顔分析タスクやデータセットに適用可能な普遍的な顔表現の探索方法を示す。 顔に適応する2つの大規模表現学習を体系的に検討する。 私たちの主な2つの発見は以下の通りです: 完全にインザワイルドな未処理データに対する教師なし事前トレーニングは一貫性を提供し、場合によっては大幅な精度向上をもたらします。
  論文  参考訳（メタデータ） (2021-03-30T17:57:25Z)
• FaceX-Zoo: A PyTorch Toolbox for Face Recognition [62.038018324643325]
  顔認識の研究開発コミュニティを指向した新しいオープンソースフレームワーク、FaceX-Zooを紹介します。 facex-zooは、さまざまな監視ヘッドとバックボーンを備えたトレーニングモジュールを提供する。 訓練されたモデルの検証とプライマリアプリケーションのために、シンプルで機能的なFace SDKが提供されます。
  論文  参考訳（メタデータ） (2021-01-12T11:06:50Z)
• Emotion Detection using Image Processing in Python [0.6604761303853881]
  Python (2.7)、OpenCV (Open Source Computer Vision Library)、NumPyを使って実装されている。 本研究の目的は、画像を分析し、人物の表情を予測するシステムを開発することである。
  論文  参考訳（メタデータ） (2020-12-01T17:34:35Z)
• Learning to Augment Expressions for Few-shot Fine-grained Facial Expression Recognition [98.83578105374535]
  顔表情データベースF2EDについて述べる。 顔の表情は119人から54人まで、200万枚以上の画像が含まれている。 実世界のシナリオでは,不均一なデータ分布やサンプルの欠如が一般的であるので,数発の表情学習の課題を評価する。 顔画像合成のための統合されたタスク駆動型フレームワークであるComposeal Generative Adversarial Network (Comp-GAN) 学習を提案する。
  論文  参考訳（メタデータ） (2020-01-17T03:26:32Z)

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。