論文の概要: Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms
- arxiv url: http://arxiv.org/abs/2201.12728v1
- Date: Sun, 30 Jan 2022 05:14:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-01 17:04:39.773977
- Title: Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms
- Title(参考訳): ビデオによる顔のマイクロ圧縮分析:データセット,特徴,アルゴリズムの調査
- Authors: Xianye Ben and Yi Ren and Junping Zhang and Su-Jing Wang and Kidiyo
Kpalma, Weixiao Meng and Yong-Jin Liu
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 52.58031087639394
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Unlike the conventional facial expressions, micro-expressions are involuntary
and transient facial expressions capable of revealing the genuine emotions that
people attempt to hide. Therefore, they can provide important information in a
broad range of applications such as lie detection, criminal detection, etc.
Since micro-expressions are transient and of low intensity, however, their
detection and recognition is difficult and relies heavily on expert
experiences. Due to its intrinsic particularity and complexity, video-based
micro-expression analysis is attractive but challenging, and has recently
become an active area of research. Although there have been numerous
developments in this area, thus far there has been no comprehensive survey that
provides researchers with a systematic overview of these developments with a
unified evaluation. Accordingly, in this survey paper, we first highlight the
key differences between macro- and micro-expressions, then use these
differences to guide our research survey of video-based micro-expression
analysis in a cascaded structure, encompassing the neuropsychological basis,
datasets, features, spotting algorithms, recognition algorithms, applications
and evaluation of state-of-the-art approaches. For each aspect, the basic
techniques, advanced developments and major challenges are addressed and
discussed. Furthermore, after considering the limitations of existing
micro-expression datasets, we present and release a new dataset - called
micro-and-macro expression warehouse (MMEW) - containing more video samples and
more labeled emotion types. We then perform a unified comparison of
representative methods on CAS(ME)2 for spotting, and on MMEW and SAMM for
recognition, respectively. Finally, some potential future research directions
are explored and outlined.
- Abstract(参考訳): 従来の表情とは異なり、マイクロ表現は不随意かつ過渡的な表情であり、人々が隠そうとする真の感情を明らかにすることができる。
したがって、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。
しかし、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している。
その固有の特異性と複雑さのため、ビデオベースのマイクロ圧縮分析は魅力的だが困難であり、近年は研究の活発な領域となっている。
この分野では数多くの開発が続けられているが、これまでのところ、これらの開発を体系的に概観する総合的な調査は行われていない。
そこで本研究では,まず,マクロ表現とマイクロ表現の大きな違いを強調し,その違いを,脳心理学的基盤,データセット,特徴量,スポッティングアルゴリズム,認識アルゴリズム,応用,最先端アプローチの評価を含む,カスケード構造におけるビデオベースのマイクロ表現解析の研究のガイドに利用する。
それぞれの側面において、基本的な技術、高度な開発、そして大きな課題に対処し、議論する。
さらに,既存のマイクロ表現データセットの制限を考慮した上で,新たなデータセットであるmicro-and-macro expression warehouse (mmew) を提示し,公開する。
次に、スポッティングのためのCAS(ME)2と、認識のためのMMEWとSAMMに代表法を統一的に比較する。
最後に、将来の研究の方向性を探究し、概説する。
関連論文リスト
- 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) - Identity-free Artificial Emotional Intelligence via Micro-Gesture Understanding [21.94739567923136]
我々は、人体言語の特殊グループ、マイクロ・ジェスチャ(MG)に焦点を当てる。
MGは、意図的な行動ではなく、内的感情によって引き起こされる意図しない行動である。
本研究は,マイクロ・ジェスチャの微妙な空間的および短時間の時間的特性を考慮し,反復性を伴う様々な拡張戦略を探求し,より適切な拡張方法を決定する。
論文 参考訳(メタデータ) (2024-05-21T21:16:55Z) - GPT as Psychologist? Preliminary Evaluations for GPT-4V on Visual Affective Computing [74.68232970965595]
MLLM(Multimodal large language model)は、テキスト、音声、画像、ビデオなどの複数のソースからの情報を処理し、統合するように設計されている。
本稿では、視覚的情緒的タスクと推論タスクにまたがる5つの重要な能力を持つMLLMの適用性を評価する。
論文 参考訳(メタデータ) (2024-03-09T13:56:25Z) - 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) - 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) - Deep neural networks approach to microbial colony detection -- a
comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。
得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文 参考訳(メタデータ) (2021-08-23T12:06:00Z) - iMiGUE: An Identity-free Video Dataset for Micro-Gesture Understanding
and Emotion Analysis [23.261770969903065]
iMiGUE(iMiGUE)は、マイクロジェスチャ理解・感情分析のためのアイデンティティフリービデオデータセットである。
iMiGUEは、内的感情によって引き起こされる意図しない行動(micro-gesture)に焦点を当てている。
論文 参考訳(メタデータ) (2021-07-01T08:15:14Z) - An Overview of Facial Micro-Expression Analysis: Data, Methodology and
Challenge [24.495792982803124]
顔のマイクロ表現は感情的なコミュニケーションの間に現れる短く、微妙な顔の動きを示します。
近年、マイクロ表現認識(MER)は、幅広いアプリケーションに恩恵をもたらす可能性があるため、多くの注目を集めています。
MERは、3つの新しい側面からアプローチする:マクロからマイクロへの適応、キー頂点フレームに基づく認識、顔アクション単位に基づく認識。
論文 参考訳(メタデータ) (2020-12-21T13:20:17Z) - Micro-expression spotting: A new benchmark [74.69928316848866]
マイクロ表現(ME)は、人々が本当の感情を隠そうとしたり、感情を隠そうとするときに起こる、簡潔で不随意の表情である。
コンピュータビジョンの分野では、MEの研究はスポッティングと認識という2つの主要なタスクに分けられる。
本稿ではSMIC-Eデータベースの拡張,すなわちSMIC-E-Longデータベースを紹介する。
論文 参考訳(メタデータ) (2020-07-24T09:18:41Z)
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。