論文の概要: Efficient Facial Expression Analysis For Dimensional Affect Recognition
Using Geometric Features
- arxiv url: http://arxiv.org/abs/2106.07817v1
- Date: Tue, 15 Jun 2021 00:28:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-16 15:04:27.408541
- Title: Efficient Facial Expression Analysis For Dimensional Affect Recognition
Using Geometric Features
- Title（参考訳）: 幾何学的特徴を用いた次元的影響認識のための効率的な表情解析
- Authors: Vassilios Vonikakis and Stefan Winkler
- Abstract要約: 本研究では, 顔表情分析システム(FEA)を導入する。
提案手法は堅牢で効率的であり、現代のディープラーニングモデルに匹敵する性能を示す。
- 参考スコア（独自算出の注目度）: 4.555179606623412
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Despite their continued popularity, categorical approaches to affect
recognition have limitations, especially in real-life situations. Dimensional
models of affect offer important advantages for the recognition of subtle
expressions and more fine-grained analysis. We introduce a simple but effective
facial expression analysis (FEA) system for dimensional affect, solely based on
geometric features and Partial Least Squares (PLS) regression. The system
jointly learns to estimate Arousal and Valence ratings from a set of facial
images. The proposed approach is robust, efficient, and exhibits comparable
performance to contemporary deep learning models, while requiring a fraction of
the computational resources.
- Abstract（参考訳）: 人気が続いているにもかかわらず、認識に影響を与えるカテゴリー的アプローチには、特に現実の状況において制限がある。
影響の次元モデルは、微妙な表現の認識とよりきめ細かい分析に重要な利点をもたらす。
本稿では,幾何学的特徴と部分最小方形回帰(PLS)に基づく,次元的影響を考慮した簡易かつ効果的な表情解析(FEA)システムを提案する。
このシステムは、一連の顔画像からArousalとValenceの評価を評価することを共同で学習する。
提案手法は堅牢で効率的であり、計算資源のごく一部を必要としながら、現代のディープラーニングモデルに匹敵する性能を示す。
関連論文リスト
- Effort: Efficient Orthogonal Modeling for Generalizable AI-Generated Image Detection [66.16595174895802]
既存のAI生成画像(AIGI)検出手法は、しばしば限定的な一般化性能に悩まされる。
本稿では、AIGI検出において、これまで見過ごされてきた重要な非対称性現象を同定する。
論文 参考訳（メタデータ） (2024-11-23T19:10:32Z) - Semantic-Preserving Feature Partitioning for Multi-View Ensemble
Learning [11.415864885658435]
本稿では,情報理論に基づく新しい手法であるセマンティック・保存特徴分割(SPFP)アルゴリズムを紹介する。
SPFPアルゴリズムは、データセットを複数のセマンティックな一貫したビューに効果的に分割し、マルチビューアンサンブル学習プロセスを強化する。
モデル精度を維持しつつ、高い一般化性能が達成可能なシナリオにおける不確実性対策を大幅に改善する。
論文 参考訳（メタデータ） (2024-01-11T20:44:45Z) - Frame-level Prediction of Facial Expressions, Valence, Arousal and
Action Units for Mobile Devices [7.056222499095849]
本稿では,AffectNetで事前学習した1つのEfficientNetモデルを用いて,顔の特徴を抽出し,フレームレベルの感情認識アルゴリズムを提案する。
当社のアプローチは,モバイルデバイス上でのビデオ解析にも適用できる。
論文 参考訳（メタデータ） (2022-03-25T03:53:27Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - Fair SA: Sensitivity Analysis for Fairness in Face Recognition [1.7149364927872013]
汎用フレームワークの形で頑健性に基づく新しい公正性評価を提案する。
我々は、一般的な顔認識モデルの性能を分析し、画像が摂動状態にある場合、ある種のサブグループが不利であることを実証的に示す。
論文 参考訳（メタデータ） (2022-02-08T01:16:09Z) - Quantified Facial Expressiveness for Affective Behavior Analytics [0.0]
本論文では,マルチモーダル顔特徴量を用いた境界付き連続表現度スコアを用いた顔表現度を定量化するアルゴリズムを提案する。
提案アルゴリズムは,表現の離散性の観点から表現性を計算し,顔の行動追跡や主観性といったタスクを文脈で実行することができる。
論文 参考訳（メタデータ） (2021-10-05T00:21:33Z) - Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout
for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。
ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文 参考訳（メタデータ） (2021-06-08T13:40:30Z) - Loss Bounds for Approximate Influence-Based Abstraction [81.13024471616417]
影響に基づく抽象化は、システムの残りの部分が与える「影響」とともに、局所的なサブプロブレムをモデル化することでレバレッジを得ることを目的としている。
本稿では,理論的観点から,そのような手法の性能について考察する。
交叉エントロピーで訓練されたニューラルネットワークは、近似的な影響表現を学習するのに適していることを示す。
論文 参考訳（メタデータ） (2020-11-03T15:33:10Z) - Unsupervised Learning Facial Parameter Regressor for Action Unit
Intensity Estimation via Differentiable Renderer [51.926868759681014]
骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。
提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
論文 参考訳（メタデータ） (2020-08-20T09:49:13Z) - Deep Dimension Reduction for Supervised Representation Learning [51.10448064423656]
本研究は,本質的な特徴を持つ学習表現の次元削減手法を提案する。
提案手法は, 十分次元還元法の非パラメトリック一般化である。
推定された深度非パラメトリック表現は、その余剰リスクが0に収束するという意味で一貫したものであることを示す。
論文 参考訳（メタデータ） (2020-06-10T14:47:43Z)
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。