論文の概要: COLD Fusion: Calibrated and Ordinal Latent Distribution Fusion for
Uncertainty-Aware Multimodal Emotion Recognition
- arxiv url: http://arxiv.org/abs/2206.05833v1
- Date: Sun, 12 Jun 2022 20:25:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-15 04:19:45.646502
- Title: COLD Fusion: Calibrated and Ordinal Latent Distribution Fusion for
Uncertainty-Aware Multimodal Emotion Recognition
- Title（参考訳）: COLD Fusion:不確かさを意識したマルチモーダル感情認識のための校正および正規潜在分布融合
- Authors: Mani Kumar Tellamekala, Shahin Amiriparian, Bj\"orn W. Schuller,
Elisabeth Andr\'e, Timo Giesbrecht, Michel Valstar
- Abstract要約: 本稿では、感情予測に対するモダリティワイドな不確実性を定量化する不確実性認識型オーディオ視覚融合手法を提案する。
音声視覚潜在分布の分散ベクトルに正規ランク付け制約を課す。
AVEC 2019 CESとIEMOCAPの2つの感情認識コーパスについて評価したところ、音声視覚的感情認識は、よく校正され、よくランク付けされた潜伏不確実性対策の恩恵を受ける可能性が示唆された。
- 参考スコア（独自算出の注目度）: 4.1802396982316825
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Automatically recognising apparent emotions from face and voice is hard, in
part because of various sources of uncertainty, including in the input data and
the labels used in a machine learning framework. This paper introduces an
uncertainty-aware audiovisual fusion approach that quantifies modality-wise
uncertainty towards emotion prediction. To this end, we propose a novel fusion
framework in which we first learn latent distributions over audiovisual
temporal context vectors separately, and then constrain the variance vectors of
unimodal latent distributions so that they represent the amount of information
each modality provides w.r.t. emotion recognition. In particular, we impose
Calibration and Ordinal Ranking constraints on the variance vectors of
audiovisual latent distributions. When well-calibrated, modality-wise
uncertainty scores indicate how much their corresponding predictions may differ
from the ground truth labels. Well-ranked uncertainty scores allow the ordinal
ranking of different frames across the modalities. To jointly impose both these
constraints, we propose a softmax distributional matching loss. In both
classification and regression settings, we compare our uncertainty-aware fusion
model with standard model-agnostic fusion baselines. Our evaluation on two
emotion recognition corpora, AVEC 2019 CES and IEMOCAP, shows that audiovisual
emotion recognition can considerably benefit from well-calibrated and
well-ranked latent uncertainty measures.
- Abstract（参考訳）: 入力データや機械学習フレームワークで使用されるラベルなど、さまざまな不確実性の原因が原因で、顔や声から感情を自動的に認識することは難しい。
本稿では,感情予測に対する不確かさを定量化する不確実性認識音声視覚融合手法を提案する。
そこで本稿では,視覚的時間的文脈ベクトル上での潜時分布を個別に学習し,各モータリティが感情認識に与える情報量を表すために,一様潜時分布の分散ベクトルを制約する,新たな融合フレームワークを提案する。
特に,視聴覚的潜在分布の分散ベクトルにキャリブレーションと順序ランキングの制約を課す。
よく校正されたモダリティに関する不確実性スコアは、それらの対応する予測が基底の真理ラベルとどの程度異なるかを示す。
よくランク付けされた不確実性スコアは、モダリティをまたいだ異なるフレームの順序付けを可能にする。
これらの制約を両立させるために,ソフトマックス分布整合損失を提案する。
分類と回帰設定の両方において,不確実性を考慮した核融合モデルと標準モデル非依存核融合ベースラインを比較した。
avec 2019 cesとiemocapの2つの感情認識コーパスの評価結果から,視聴覚的感情認識は,高度に調整された潜在性不確実性尺度の恩恵を受ける可能性が示唆された。
関連論文リスト
- Certainly Uncertain: A Benchmark and Metric for Multimodal Epistemic and Aleatoric Awareness [106.52630978891054]
視覚言語AIシステムに特有の不確実性の分類法を提案する。
また、精度と校正誤差の両方によく相関する新しい計量信頼度重み付き精度を導入する。
論文 参考訳（メタデータ） (2024-07-02T04:23:54Z) - Towards A Robust Group-level Emotion Recognition via Uncertainty-Aware
Learning [29.27161082428625]
グループレベルの感情認識(GER)は、人間の行動分析の不可分な部分である。
GERのためのより堅牢な表現を抽出する不確実性認識学習(UAL)手法を提案する。
我々は,強騒音に対するモデルの頑健性を高めるために,画像強調モジュールを開発した。
論文 参考訳（メタデータ） (2023-10-06T15:05:41Z) - ELFNet: Evidential Local-global Fusion for Stereo Matching [17.675146012208124]
ステレオマッチングのためのtextbfEvidential textbfLocal-global textbfFusion (ELF) フレームワークを提案する。
不確実性推定と信頼に値する頭部との信頼を意識した融合の両方を付与する。
論文 参考訳（メタデータ） (2023-08-01T15:51:04Z) - Evaluating AI systems under uncertain ground truth: a case study in
dermatology [44.80772162289557]
本稿では,アノテーションの不確実性を測定するための指標を提案し,評価のための不確実性調整指標を提案する。
本稿では,本フレームワークを皮膚条件分類に応用した症例スタディとして,アノテーションを診断の形で提供した画像について述べる。
論文 参考訳（メタデータ） (2023-07-05T10:33:45Z) - Cross-Attention is Not Enough: Incongruity-Aware Dynamic Hierarchical
Fusion for Multimodal Affect Recognition [69.32305810128994]
モダリティ間の同調性は、特に認知に影響を及ぼすマルチモーダル融合の課題となる。
本稿では,動的モダリティゲーティング(HCT-DMG)を用いた階層型クロスモーダルトランスを提案する。
HCT-DMG: 1) 従来のマルチモーダルモデルを約0.8Mパラメータで上回り、2) 不整合が認識に影響を及ぼすハードサンプルを認識し、3) 潜在レベルの非整合性をクロスモーダルアテンションで緩和する。
論文 参考訳（メタデータ） (2023-05-23T01:24:15Z) - Uncertain Facial Expression Recognition via Multi-task Assisted
Correction [43.02119884581332]
MTACと呼ばれる不確実な表情認識に対処するためのマルチタスク支援補正法を提案する。
具体的には、信頼度推定ブロックと重み付け正則化モジュールを用いて、固体試料をハイライトし、バッチ毎に不確かさサンプルを抑圧する。
RAF-DB、AffectNet、AffWild2データセットの実験は、MTACが合成および実際の不確実性に直面した際のベースラインよりも大幅に改善されていることを示した。
論文 参考訳（メタデータ） (2022-12-14T10:28:08Z) - Label Uncertainty Modeling and Prediction for Speech Emotion Recognition
using t-Distributions [15.16865739526702]
本稿では,学生のt分布を用いたラベル分布のモデル化を提案する。
我々は、対応するKulback-Leibler分散に基づく損失関数を導出し、感情ラベルの分布を推定するための推定器を訓練する。
その結果,我々のt分布に基づくアプローチは,最先端の不確実性モデリングの結果を伴うガウス的アプローチよりも改善されていることが明らかとなった。
論文 参考訳（メタデータ） (2022-07-25T12:38:20Z) - Self-attention fusion for audiovisual emotion recognition with
incomplete data [103.70855797025689]
視覚的感情認識を応用したマルチモーダルデータ解析の問題点を考察する。
本稿では、生データから学習可能なアーキテクチャを提案し、その3つの変種を異なるモダリティ融合機構で記述する。
論文 参考訳（メタデータ） (2022-01-26T18:04:29Z) - Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty
Estimation for Facial Expression Recognition [59.52434325897716]
DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。
前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。
後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
論文 参考訳（メタデータ） (2021-04-01T03:21:57Z) - Distribution-free uncertainty quantification for classification under
label shift [105.27463615756733]
2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。
まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。
これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
論文 参考訳（メタデータ） (2021-03-04T20:51:03Z) - Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。
画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-09T12:26:27Z)
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。