Fugu-MT 論文翻訳(概要): Person Recognition using Facial Micro-Expressions with Deep Learning

論文の概要: Person Recognition using Facial Micro-Expressions with Deep Learning

arxiv url: http://arxiv.org/abs/2306.13907v1
Date: Sat, 24 Jun 2023 08:57:15 GMT
ステータス: 処理完了
システム内更新日: 2023-06-27 18:19:15.296882
Title: Person Recognition using Facial Micro-Expressions with Deep Learning
Title（参考訳）: 深層学習による顔のマイクロ表現を用いた人物認識
Authors: Tuval Kay, Yuval Ringel, Khen Cohen, Mor-Avi Azulay, David Mendlovic
Abstract要約: 本研究では,空間的意味論と動きを時間分解能で捉えるための深層学習手法を提案する。広く使われている3つのマイクロ圧縮データベースの実験は、既存のベンチマークと比較して識別精度が顕著に向上したことを示している。
参考スコア（独自算出の注目度）: 0.41998444721319217
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This study investigates the efficacy of facial micro-expressions as a soft biometric for enhancing person recognition, aiming to broaden the understanding of the subject and its potential applications. We propose a deep learning approach designed to capture spatial semantics and motion at a fine temporal resolution. Experiments on three widely-used micro-expression databases demonstrate a notable increase in identification accuracy compared to existing benchmarks, highlighting the potential of integrating facial micro-expressions for improved person recognition across various fields.
Abstract（参考訳）: 本研究は,認知度を高めるための軟式バイオメトリックーとしての顔のマイクロ表現の有効性について検討し,被験者の理解を深めることを目的とする。本研究では,空間的意味論と動きを時間分解能で捉えるための深層学習手法を提案する。広く使われている3つのマイクロ表現データベースの実験では、既存のベンチマークに比べて識別精度が著しく向上し、様々な分野の人物認識を改善するために顔のマイクロ表現を統合する可能性が示された。

関連論文リスト

From Macro to Micro: Boosting micro-expression recognition via pre-training on macro-expression videos [9.472210792839023]
マイクロ圧縮認識(MER)は、インテリジェント医療や嘘検出に応用される可能性があるため、近年注目を集めている。我々は、textbfMAcro-expression textbfTO textbfMIcro-expression (MA2MI) と呼ばれる一般化トランスファー学習パラダイムを提案する。我々のパラダイムでは、ネットワークは将来のフレームを再構築することで、微妙な顔の動きを表現する能力を学ぶことができる。
論文参考訳（メタデータ） (2024-05-26T06:42:06Z)
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)
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)
Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文参考訳（メタデータ） (2021-06-08T13:40:30Z)
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)
Micro-Facial Expression Recognition Based on Deep-Rooted Learning Algorithm [0.0]
本稿では,MFEDRL(Micro-Facial Expression Based Deep-Rooted Learning)分類器を提案する。アルゴリズムの性能は認識率と偽測度を用いて評価する。
論文参考訳（メタデータ） (2020-09-12T12:23:27Z)
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)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。