論文の概要: Inferring User Facial Affect in Work-like Settings

• arxiv url: http://arxiv.org/abs/2111.11862v1
• Date: Mon, 22 Nov 2021 01:23:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-24 14:31:36.603092
• Title: Inferring User Facial Affect in Work-like Settings
• Title（参考訳）: ワークライクな設定におけるユーザ顔の影響の推測
• Authors: Chaudhary Muhammad Aqdus Ilyas, Siyang Song, Hatice Gunes
• Abstract要約: 難易度が異なる複数の作業のようなタスクにユーザが関わったとき, ユーザの顔への影響を推測することを目的としている。 まず、異なる条件で研究を設計し、12人の被験者のマルチモーダルデータを収集する。 次に、さまざまな機械学習モデルを用いていくつかの実験を行い、顔の表示と予測が、非作業状態から作業環境まで様々であることを示した。
• 参考スコア（独自算出の注目度）: 5.630425653717262
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unlike the six basic emotions of happiness, sadness, fear, anger, disgust and surprise, modelling and predicting dimensional affect in terms of valence (positivity - negativity) and arousal (intensity) has proven to be more flexible, applicable and useful for naturalistic and real-world settings. In this paper, we aim to infer user facial affect when the user is engaged in multiple work-like tasks under varying difficulty levels (baseline, easy, hard and stressful conditions), including (i) an office-like setting where they undertake a task that is less physically demanding but requires greater mental strain; (ii) an assembly-line-like setting that requires the usage of fine motor skills; and (iii) an office-like setting representing teleworking and teleconferencing. In line with this aim, we first design a study with different conditions and gather multimodal data from 12 subjects. We then perform several experiments with various machine learning models and find that: (i) the display and prediction of facial affect vary from non-working to working settings; (ii) prediction capability can be boosted by using datasets captured in a work-like context; and (iii) segment-level (spectral representation) information is crucial in improving the facial affect prediction.
• Abstract（参考訳）: 幸福、悲しみ、恐怖、怒り、嫌悪、驚きの6つの基本的な感情とは異なり、原子価(正負性 - 負性)と覚醒(強勢)はより柔軟で、自然主義的かつ現実的な設定に有用であることが証明されている。 本稿では,難易度 (ベースライン, 易度, 硬度, ストレス条件) の異なる複数の作業ライクなタスクにおいて, ユーザの顔への影響を推定することを目的とする。 (i)身体的な要求は少ないが、精神的な負担が大きい仕事を引き受けるオフィス的な設定 二 ファインモータースキルの使用を必要とする組立ラインライクな設定 (iii)テレワーク及びテレ会議を表すオフィス風の設定。 本研究の目的は,まず異なる条件の学習をデザインし,12名の被験者からマルチモーダルデータを収集することである。 次に、さまざまな機械学習モデルでいくつかの実験を行い、それを見つけます。 (i) 顔の影響の表示及び予測は、非作業から作業設定まで様々である。 (ii)ワークライクなコンテキストでキャプチャされたデータセットを使用することで予測能力を向上することができる。 (iii)セグメントレベルの情報(スペクトル表現)は、顔影響予測を改善する上で重要である。

関連論文リスト

• 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)
• I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
  本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。 以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:28:26Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)
• Supervised Contrastive Learning for Affect Modelling [2.570570340104555]
  情報に影響を及ぼすことを考慮に入れた訓練表現のための3つの異なる教師付きコントラスト学習手法を導入する。 その結果、コントラスト学習の表現能力と、影響モデルの精度を高めるための効率が示された。
  論文  参考訳（メタデータ） (2022-08-25T17:40:19Z)
• 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)
• Understanding top-down attention using task-oriented ablation design [0.22940141855172028]
  トップダウンの注目により、ニューラルネットワークは、人工的および生物学的の両方において、与えられたタスクに最も関連性の高い情報に集中することができる。 我々は,タスク指向アブレーション設計と呼ばれる一般的なフレームワークに基づく計算実験により,この問題に対処することを目指している。 2つのニューラルネットワークの性能を比較する。
  論文  参考訳（メタデータ） (2021-06-08T21:01:47Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• Factors of Influence for Transfer Learning across Diverse Appearance Domains and Task Types [50.1843146606122]
  現在の最新のコンピュータビジョンモデルでは、簡単な転送学習が一般的です。 転校学習に関するこれまでの体系的な研究は限られており、作業が期待される状況は十分に理解されていない。 本論文では,非常に異なる画像領域にまたがる転送学習の広範な実験的研究を行う。
  論文  参考訳（メタデータ） (2021-03-24T16:24:20Z)
• A Multi-resolution Approach to Expression Recognition in the Wild [9.118706387430883]
  顔認識タスクを解決するためのマルチリゾリューション手法を提案する。 私たちは、しばしば異なる解像度で画像が取得されるという観察を直感的に根拠としています。 我々は、Affect-in-the-Wild 2データセットに基づいてトレーニングされたSqueeze-and-Excitationブロックを備えたResNetのようなアーキテクチャを使用する。
  論文  参考訳（メタデータ） (2021-03-09T21:21:02Z)

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。