論文の概要: Action Units That Constitute Trainable Micro-expressions (and A Large-scale Synthetic Dataset)

• arxiv url: http://arxiv.org/abs/2112.01730v1
• Date: Fri, 3 Dec 2021 06:09:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 15:54:36.414921
• Title: Action Units That Constitute Trainable Micro-expressions (and A Large-scale Synthetic Dataset)
• Title（参考訳）: 訓練可能なマイクロ表現を構成するアクションユニット(および大規模合成データセット)
• Authors: Yuchi Liu, Zhongdao Wang, Tom Gedeon, Liang Zheng
• Abstract要約: 本研究では,マイクロ圧縮トレーニングデータを大規模に自動合成するプロトコルを開発することを目的とする。 具体的には、トレーニング可能なマイクロ表現を適切に構成できる3種類のアクションユニット(AU)を発見する。 これらのAUでは、様々なアイデンティティを持つ多数の顔画像と、既存の顔生成方式を用いてマイクロ圧縮合成を行う。 マイクロ圧縮認識モデルは、生成されたマイクロ圧縮データセットに基づいてトレーニングされ、実世界のテストセットで評価される。
• 参考スコア（独自算出の注目度）: 20.866448615388876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Due to the expensive data collection process, micro-expression datasets are generally much smaller in scale than those in other computer vision fields, rendering large-scale training less stable and feasible. In this paper, we aim to develop a protocol to automatically synthesize micro-expression training data that 1) are on a large scale and 2) allow us to train recognition models with strong accuracy on real-world test sets. Specifically, we discover three types of Action Units (AUs) that can well constitute trainable micro-expressions. These AUs come from real-world micro-expressions, early frames of macro-expressions, and the relationship between AUs and expression labels defined by human knowledge. With these AUs, our protocol then employs large numbers of face images with various identities and an existing face generation method for micro-expression synthesis. Micro-expression recognition models are trained on the generated micro-expression datasets and evaluated on real-world test sets, where very competitive and stable performance is obtained. The experimental results not only validate the effectiveness of these AUs and our dataset synthesis protocol but also reveal some critical properties of micro-expressions: they generalize across faces, are close to early-stage macro-expressions, and can be manually defined.
• Abstract（参考訳）: 高価なデータ収集プロセスのため、マイクロ圧縮データセットは一般的に他のコンピュータビジョンフィールドのデータセットよりもはるかに小さく、大規模なトレーニングは安定せず実現可能である。 本稿では,マイクロ表現訓練データを自動合成するプロトコルを開発することを目的とする。 1) 大規模かつ大規模である。 2) 実世界のテストセットに対して高い精度で認識モデルを訓練することができる。 具体的には、トレーニング可能なマイクロ表現を適切に構成できる3種類のアクションユニット(AU)を発見する。 これらのausは、現実世界のマイクロ表現、マクロ表現の初期のフレーム、および人間の知識によって定義されたausと表現ラベルの関係に由来する。 これらのausでは,様々なアイデンティティを持つ多数の顔画像と,既存の顔生成法を用いてマイクロ表現合成を行う。 マイクロ表現認識モデルは生成されたマイクロ表現データセットで訓練され、実世界のテストセットで評価される。 実験結果は,これらのAUとデータセット合成プロトコルの有効性を検証するだけでなく,顔全体に一般化し,初期段階のマクロ表現に近づき,手動で定義できるマイクロ表現のいくつかの重要な特性を明らかにする。

関連論文リスト

• ExpLLM: Towards Chain of Thought for Facial Expression Recognition [61.49849866937758]
  本研究では,表情認識のための思考の正確な連鎖(CoT)を生成するExpLLMという新しい手法を提案する。 具体的には、重要な観察、全体的な感情解釈、結論の3つの観点から、CoTメカニズムを設計しました。 RAF-DBとAffectNetデータセットの実験では、ExpLLMは現在の最先端のFERメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-09-04T15:50:16Z)
• 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)
• Efficient Neural Architecture Search for Emotion Recognition [10.944807967751277]
  本稿では,マクロおよびマイクロ圧縮認識のための高効率で堅牢なニューラルアーキテクチャを提案する。 勾配に基づくアーキテクチャ探索アルゴリズムを用いて軽量モデルを作成する。 提案したモデルは、既存の最先端手法よりも優れ、速度と空間の複雑さの点で非常によく機能する。
  論文  参考訳（メタデータ） (2023-03-23T20:21:26Z)
• Data Leakage and Evaluation Issues in Micro-Expression Analysis [45.215233522470115]
  マイクロ圧縮の文献では,データ漏洩と断片化評価プロトコルが問題となっている。 そこで我々は,2000以上のマイクロ圧縮サンプルを用いた顔動作ユニットを用いた新しい評価プロトコルを提案し,その評価プロトコルを標準化された方法で実装したオープンソースライブラリを提供する。
  論文  参考訳（メタデータ） (2022-11-21T13:12:07Z)
• Micro-Expression Recognition Based on Attribute Information Embedding and Cross-modal Contrastive Learning [22.525295392858293]
  本稿では,属性情報埋め込みとクロスモーダルコントラスト学習に基づくマイクロ圧縮認識手法を提案する。 我々はCASME II と MMEW データベースで広範な実験を行い、精度はそれぞれ77.82% と 71.04% である。
  論文  参考訳（メタデータ） (2022-05-29T12:28:10Z)
• 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)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)
• 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。