論文の概要: I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2104.08353v1
• Date: Fri, 16 Apr 2021 20:03:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 13:37:49.406076
• Title: I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition
• Title（参考訳）: マスクが畳み込みに基づく表情認識に与える影響
• Authors: Pablo Barros, Alessandra Sciutti
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 78.07239208222599
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The current COVID-19 pandemic has shown us that we are still facing unpredictable challenges in our society. The necessary constrain on social interactions affected heavily how we envision and prepare the future of social robots and artificial agents in general. Adapting current affective perception models towards constrained perception based on the hard separation between facial perception and affective understanding would help us to provide robust systems. In this paper, we perform an in-depth analysis of how recognizing affect from persons with masks differs from general facial expression perception. We evaluate how the recently proposed FaceChannel adapts towards recognizing facial expressions from persons with masks. In Our analysis, we evaluate different training and fine-tuning schemes to understand better the impact of masked facial expressions. We also perform specific feature-level visualization to demonstrate how the inherent capabilities of the FaceChannel to learn and combine facial features change when in a constrained social interaction scenario.
• Abstract（参考訳）: 現在の新型コロナウイルス(COVID-19)パンデミックは、私たちの社会にはまだ予測できない課題に直面していることを示している。 社会的相互作用に対する必要な制約は、社会ロボットや人工エージェント全般の将来をどう考え、準備するかに大きな影響を及ぼした。 表情知覚と感情理解のハードな分離に基づく現在の感情知覚モデルへの適応は、堅牢なシステムを提供するのに役立つ。 本稿では,マスクを持つ人物に対する感情認識が,一般の表情認識とどのように異なるのかを詳細に分析する。 最近提案されたFaceChannelは,マスクを持つ人物の表情認識にどのように適応するかを評価する。 本分析では,顔表情の効果をよりよく理解するために,異なるトレーニングと微調整方式の評価を行った。 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。

関連論文リスト

• ComFace: Facial Representation Learning with Synthetic Data for Comparing Faces [5.07975834105566]
  合成画像を用いた顔表現学習手法ComFaceを提案する。 効果的な表現学習のために、ComFaceは2つの特徴表現、すなわち、対人的な顔の違いと対人的な顔の変化を取得することを目指している。 我々のComFaceは、合成データのみを用いて訓練され、実画像を用いて訓練された一般的な事前学習や最先端表現学習方法と同等以上の転送性能を達成する。
  論文  参考訳（メタデータ） (2024-05-25T02:44:07Z)
• Towards mitigating uncann(eye)ness in face swaps via gaze-centric loss terms [4.814908894876767]
  顔スワップアルゴリズムは、トレーニングプロセスのガイドとなる顔全体を考えるピクセルや特徴の一致した損失に頼って、目に重点を置いていない。 本稿では,視線推定ネットワークを利用した顔交換モデルのトレーニングのための新しい損失方程式を提案する。 本研究は, デジタルアバター, プライバシ機構など, 特殊効果の顔交換に影響を及ぼす。
  論文  参考訳（メタデータ） (2024-02-05T16:53:54Z)
• 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)
• Medical Face Masks and Emotion Recognition from the Body: Insights from a Deep Learning Perspective [31.55798962786664]
  新型コロナウイルスの感染拡大を受け、医療用マスクを着用せざるを得なくなった。 本稿では,顔の閉塞が感情認識能力に及ぼす影響について,洞察力のある研究を行った。 テンポラルセグメンツネットワークフレームワークに基づくディープラーニングモデルを用いて、マスク効果を完全に克服する。
  論文  参考訳（メタデータ） (2023-02-20T15:07:24Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Emotion Separation and Recognition from a Facial Expression by Generating the Poker Face with Vision Transformers [57.1091606948826]
  我々はこれらの課題に対処するため,ポーカー・フェイス・ビジョン・トランスフォーマー (PF-ViT) と呼ばれる新しいFERモデルを提案する。 PF-ViTは、対応するポーカーフェースを生成して、乱れを認識できない感情を静的な顔画像から分離し、認識することを目的としている。 PF-ViTはバニラビジョントランスフォーマーを使用し、そのコンポーネントは大規模な表情データセット上でMasked Autoencodeerとして事前トレーニングされている。
  論文  参考訳（メタデータ） (2022-07-22T13:39:06Z)
• 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)
• Learning Emotional-Blinded Face Representations [77.7653702071127]
  感情反応に関連する表情に盲目な2つの顔表現を提案する。 この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
  論文  参考訳（メタデータ） (2020-09-18T09:24:10Z)

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。