論文の概要: FExGAN-Meta: Facial Expression Generation with Meta Humans
- arxiv url: http://arxiv.org/abs/2203.05975v1
- Date: Thu, 17 Feb 2022 04:10:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-20 23:08:17.589085
- Title: FExGAN-Meta: Facial Expression Generation with Meta Humans
- Title（参考訳）: fexgan-meta : メタヒトによる表情生成
- Authors: J. Rafid Siddiqui
- Abstract要約: 人間の表情の微妙さと、人間の表情が表現する強度の度合いの変動は、表情のイメージを頑健に分類し、生成することを困難にしている。
本稿では,メタヒューマン画像に頑健な機能を有するFExGAN-Metaの表情生成手法を提案する。
以上の結果から,FExGAN-Metaは複雑な表情だけでなく,Meta-Humansのイメージを頑健に生成し,分類できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The subtleness of human facial expressions and a large degree of variation in
the level of intensity to which a human expresses them is what makes it
challenging to robustly classify and generate images of facial expressions.
Lack of good quality data can hinder the performance of a deep learning model.
In this article, we have proposed a Facial Expression Generation method for
Meta-Humans (FExGAN-Meta) that works robustly with the images of Meta-Humans.
We have prepared a large dataset of facial expressions exhibited by ten
Meta-Humans when placed in a studio environment and then we have evaluated
FExGAN-Meta on the collected images. The results show that FExGAN-Meta robustly
generates and classifies the images of Meta-Humans for the simple as well as
the complex facial expressions.
- Abstract（参考訳）: 人間の表情の微妙さと、人間の表情が表現する強度の度合いの変動は、表情のイメージを頑健に分類し、生成することを困難にしている。
高品質なデータの欠如は、ディープラーニングモデルのパフォーマンスを阻害する可能性がある。
本稿では,メタヒトの表情にロバストに作用するメタヒト(fexgan-meta)の表情生成法を提案する。
スタジオ環境に配置した10人のメタヒューマンが提示した表情の大規模なデータセットを作成し,FExGAN-Metaを画像上で評価した。
以上の結果から,FExGAN-MetaはMeta-Humansの画像と複雑な表情を強く生成し,分類する。
関連論文リスト
- How Do You Perceive My Face? Recognizing Facial Expressions in Multi-Modal Context by Modeling Mental Representations [5.895694050664867]
本稿では,単純な分類タスクを超越した新しい表情分類手法を提案する。
本モデルでは,認識された顔を正確に分類し,文脈で顔を観察する際,人間によって知覚される対応する心的表現を合成する。
本研究では,人間の心的表現の近似を効果的に生成することを示す。
論文 参考訳（メタデータ） (2024-09-04T09:32:40Z) - Towards Localized Fine-Grained Control for Facial Expression Generation [54.82883891478555]
人間、特にその顔は、豊かな表現と意図を伝える能力のために、コンテンツ生成の中心である。
現在の生成モデルは、主に平らな中立表現と文字なしの笑顔を認証なしで生成する。
顔生成における表情制御におけるAU(アクションユニット)の利用を提案する。
論文 参考訳（メタデータ） (2024-07-25T18:29:48Z) - A Generalist FaceX via Learning Unified Facial Representation [77.74407008931486]
FaceXは、多様な顔タスクを同時に処理できる新しい顔ジェネラリストモデルである。
汎用的なFaceXは、一般的な顔編集タスクの精巧なタスク特化モデルと比較して、競争性能が向上する。
論文 参考訳（メタデータ） (2023-12-31T17:41:48Z) - GaFET: Learning Geometry-aware Facial Expression Translation from
In-The-Wild Images [55.431697263581626]
本稿では,パラメトリックな3次元顔表現をベースとした新しい顔表情翻訳フレームワークを提案する。
我々は、最先端の手法と比較して、高品質で正確な表情伝達結果を実現し、様々なポーズや複雑なテクスチャの適用性を実証する。
論文 参考訳（メタデータ） (2023-08-07T09:03:35Z) - 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) - 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) - EMOCA: Emotion Driven Monocular Face Capture and Animation [59.15004328155593]
本稿では,学習中の感情の深層的一貫性を損なうことによって,再構成された3次元表現が入力画像に表現された表現と一致することを確実にする。
In-the-wild emotion recognitionのタスクでは、人間の行動を分析する上での3D幾何の価値を強調しながら、最も優れた画像ベースの手法と同等に幾何学的アプローチを実践しています。
論文 参考訳（メタデータ） (2022-04-24T15:58:35Z) - Comprehensive Facial Expression Synthesis using Human-Interpretable
Language [33.11402372756348]
言語に基づく表情記述から新しい表情合成モデルを提案する。
本手法は,詳細な表情で顔画像の合成を行う。
さらに, 顔の特徴に言語特徴を効果的に埋め込むことで, 個々の単語を制御し, 顔の動きを処理できる。
論文 参考訳（メタデータ） (2020-07-16T07:28:25Z) - Learning to Augment Expressions for Few-shot Fine-grained Facial
Expression Recognition [98.83578105374535]
顔表情データベースF2EDについて述べる。
顔の表情は119人から54人まで、200万枚以上の画像が含まれている。
実世界のシナリオでは,不均一なデータ分布やサンプルの欠如が一般的であるので,数発の表情学習の課題を評価する。
顔画像合成のための統合されたタスク駆動型フレームワークであるComposeal Generative Adversarial Network (Comp-GAN) 学習を提案する。
論文 参考訳（メタデータ） (2020-01-17T03:26:32Z)
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。