論文の概要: Medical Face Masks and Emotion Recognition from the Body: Insights from a Deep Learning Perspective

• arxiv url: http://arxiv.org/abs/2302.10021v2
• Date: Thu, 25 May 2023 19:53:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 20:43:50.987545
• Title: Medical Face Masks and Emotion Recognition from the Body: Insights from a Deep Learning Perspective
• Title（参考訳）: 医療用フェイスマスクと身体からの感情認識--深層学習の視点からの考察
• Authors: Nikolaos Kegkeroglou, Panagiotis P. Filntisis, Petros Maragos
• Abstract要約: 新型コロナウイルスの感染拡大を受け、医療用マスクを着用せざるを得なくなった。 本稿では,顔の閉塞が感情認識能力に及ぼす影響について,洞察力のある研究を行った。 テンポラルセグメンツネットワークフレームワークに基づくディープラーニングモデルを用いて、マスク効果を完全に克服する。
• 参考スコア（独自算出の注目度）: 31.55798962786664
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic has undoubtedly changed the standards and affected all aspects of our lives, especially social communication. It has forced people to extensively wear medical face masks, in order to prevent transmission. This face occlusion can strongly irritate emotional reading from the face and urges us to incorporate the whole body as an emotional cue. In this paper, we conduct insightful studies about the effect of face occlusion on emotion recognition performance, and showcase the superiority of full body input over the plain masked face. We utilize a deep learning model based on the Temporal Segment Network framework, and aspire to fully overcome the face mask consequences. Although facial and bodily features can be learned from a single input, this may lead to irrelevant information confusion. By processing those features separately and fusing their prediction scores, we are more effectively taking advantage of both modalities. This framework also naturally supports temporal modeling, by mingling information among neighboring frames. In combination, these techniques form an effective system capable of tackling emotion recognition difficulties, caused by safety protocols applied in crucial areas.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは間違いなく基準を変え、生活のあらゆる側面、特に社会コミュニケーションに影響を与えた。 感染防止のため、医療用マスクを広範囲に着用せざるを得なくなった。 この顔閉塞は、顔からの感情的な読みを強く刺激し、身体全体を感情的なキューとして組み込むよう促す。 本稿では,顔のオクルージョンが感情認識性能に及ぼす影響について洞察的な研究を行い,平たいマスク付き顔に対する全身入力の優越性を示す。 我々は,時間的セグメントネットワークフレームワークに基づくディープラーニングモデルを用いて,顔マスクの影響を完全に克服することを目指している。 顔と身体の特徴は単一の入力から学べるが、これは無関係な情報混乱につながる可能性がある。 これらの特徴を別々に処理し、予測スコアを下げることで、両方のモダリティをより効果的に活用しています。 このフレームワークは、隣接するフレーム間で情報を混ざり合うことによって、時間的モデリングも自然にサポートする。 これらの手法は、重要な領域に適用される安全プロトコルによって引き起こされる感情認識の困難に対処できる効果的なシステムを形成する。

関連論文リスト

• Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition [47.248075664420874]
  現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。 本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。 まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:23:03Z)
• Learning Representations for Masked Facial Recovery [8.124282476398843]
  近年のパンデミックは 公共の場で 防護マスクを着用している人が 劇的に増えています この問題に対処する1つの方法は、前処理のステップとして、フェイスリカバリメソッドに戻ることです。 マスクを被った同一人物の画像から顔画像の復元に特有な方法を提案する。
  論文  参考訳（メタデータ） (2022-12-28T22:22:15Z)
• PERI: Part Aware Emotion Recognition In The Wild [4.206175795966693]
  本稿では視覚的特徴を用いた感情認識に焦点を当てる。 身体のポーズと顔のランドマークの両方から生成されたマスクを用いて、入力画像からキー領域を抽出し、部分認識空間(PAS)画像を作成する。 野生のEMOTICデータセットで公開されている結果について報告する。
  論文  参考訳（メタデータ） (2022-10-18T20:01:40Z)
• 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)
• Adversarial Mask: Real-World Adversarial Attack Against Face Recognition Models [66.07662074148142]
  本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。 実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。 ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
  論文  参考訳（メタデータ） (2021-11-21T08:13:21Z)
• I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
  今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。 また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
  論文  参考訳（メタデータ） (2021-04-16T20:03:30Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• Learning Emotional-Blinded Face Representations [77.7653702071127]
  感情反応に関連する表情に盲目な2つの顔表現を提案する。 この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
  論文  参考訳（メタデータ） (2020-09-18T09:24:10Z)

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。