論文の概要: Automated Deception Detection from Videos: Using End-to-End Learning
Based High-Level Features and Classification Approaches
- arxiv url: http://arxiv.org/abs/2307.06625v1
- Date: Thu, 13 Jul 2023 08:45:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-14 15:30:57.501863
- Title: Automated Deception Detection from Videos: Using End-to-End Learning
Based High-Level Features and Classification Approaches
- Title（参考訳）: ビデオからの誤りの自動検出: エンド・ツー・エンド学習に基づくハイレベル特徴と分類アプローチ
- Authors: Laslo Dinges (1), Marc-Andr\'e Fiedler (1), Ayoub Al-Hamadi (1),
Thorsten Hempel (1), Ahmed Abdelrahman (1), Joachim Weimann (2) and Dmitri
Bershadskyy (2) ((1) Neuro-Information Technology Group, Otto-von-Guericke
University Magdeburg (2) Faculty of Economics and Management,
Otto-von-Guericke University Magdeburg)
- Abstract要約: 深層学習と識別モデルを組み合わせたマルチモーダル手法を提案する。
我々は畳み込み学習を用いて、視線、頭ポーズ、表情を解析する。
提案手法は, 経済要因による新しいローリングディース実験を含む5つのデータセットで評価される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deception detection is an interdisciplinary field attracting researchers from
psychology, criminology, computer science, and economics. We propose a
multimodal approach combining deep learning and discriminative models for
automated deception detection. Using video modalities, we employ convolutional
end-to-end learning to analyze gaze, head pose, and facial expressions,
achieving promising results compared to state-of-the-art methods. Due to
limited training data, we also utilize discriminative models for deception
detection. Although sequence-to-class approaches are explored, discriminative
models outperform them due to data scarcity. Our approach is evaluated on five
datasets, including a new Rolling-Dice Experiment motivated by economic
factors. Results indicate that facial expressions outperform gaze and head
pose, and combining modalities with feature selection enhances detection
performance. Differences in expressed features across datasets emphasize the
importance of scenario-specific training data and the influence of context on
deceptive behavior. Cross-dataset experiments reinforce these findings. Despite
the challenges posed by low-stake datasets, including the Rolling-Dice
Experiment, deception detection performance exceeds chance levels. Our proposed
multimodal approach and comprehensive evaluation shed light on the potential of
automating deception detection from video modalities, opening avenues for
future research.
- Abstract（参考訳）: 詐欺検出は、心理学、犯罪学、コンピュータ科学、経済学から研究者を引き寄せる学際分野である。
本稿では,ディープラーニングと識別モデルを組み合わせたマルチモーダル手法を提案する。
ビデオモダリティを用いて, 畳み込み型エンドツーエンド学習を用いて視線, 頭部ポーズ, 表情の分析を行い, 最先端手法と比較して有望な結果を得る。
また,訓練データに制限があるため,識別モデルを用いて誤検出を行う。
シーケンスからクラスへのアプローチは検討されているが、識別モデルはデータの不足によりそれらを上回っている。
提案手法は, 経済要因による新しいローリングディース実験を含む5つのデータセットで評価される。
その結果,表情は視線や頭部のポーズよりも優れており,特徴選択とモダリティを組み合わせることで検出性能が向上した。
データセット間で表現された特徴の違いは、シナリオ固有のトレーニングデータの重要性と、認識行動に対するコンテキストの影響を強調している。
クロスデータセット実験は、これらの発見を補強する。
ローリングダイス実験を含む低リスクデータセットが抱える課題にもかかわらず、デセプション検出性能はチャンスレベルを超えている。
提案するマルチモーダルアプローチと包括的評価は,ビデオモダリティによる偽造検出の自動化の可能性に光を当て,今後の研究への道を開く。
関連論文リスト
- Investigating Relative Performance of Transfer and Meta Learning [0.0]
本稿では,トランスファーラーニングとメタラーニングの2つの異なるアプローチを比較した研究結果について述べる。
包括的な目的は、多様な機械学習シナリオにおいて最も適切な方法を選択するための堅牢な基準を確立することである。
論文 参考訳（メタデータ） (2023-10-31T12:52:00Z) - Reinforcement Learning Based Multi-modal Feature Fusion Network for
Novel Class Discovery [47.28191501836041]
本稿では,人間の認知過程をシミュレートするために強化学習フレームワークを用いる。
また,マルチモーダル情報から特徴を抽出・融合するマルチエージェントフレームワークをデプロイした。
我々は、OS-MN40、OS-MN40-Miss、Cifar10データセットを用いて、3Dドメインと2Dドメインの両方でのアプローチの性能を示す。
論文 参考訳（メタデータ） (2023-08-26T07:55:32Z) - Self-Supervised Graph Transformer for Deepfake Detection [1.8133635752982105]
ディープフェイク検出手法は、与えられたデータセット内の偽造を認識できる有望な結果を示している。
ディープフェイク検出システムは、一般的な検出性能を保証するために、偽造タイプ、外観、品質に欠かせないままでいなければならない。
本研究では、自己教師付き事前学習モデルを利用して、例外的な一般化能力を実現するディープフェイク検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-07-27T17:22:41Z) - Rank Flow Embedding for Unsupervised and Semi-Supervised Manifold
Learning [9.171175292808144]
本稿では,教師なしおよび半教師付きシナリオに対するランクフロー埋め込み (RFE) という新しい多様体学習アルゴリズムを提案する。
RFEは文脈に敏感な埋め込みを計算し、それはランクベースの処理フローに従って洗練される。
生成された埋め込みは、より効果的な教師なし検索や半教師付き分類に利用することができる。
論文 参考訳（メタデータ） (2023-04-24T21:02:12Z) - Data AUDIT: Identifying Attribute Utility- and Detectability-Induced
Bias in Task Models [8.420252576694583]
医用画像データセットの厳密で定量的なスクリーニングのための第1の手法を提案する。
提案手法は,データセット属性に関連するリスクを,検出性と実用性の観点から分解する。
本手法を用いて, ほぼ知覚不能なバイアス誘発アーティファクトを確実に同定するスクリーニング手法を提案する。
論文 参考訳（メタデータ） (2023-04-06T16:50:15Z) - Deep networks for system identification: a Survey [56.34005280792013]
システム識別は、入力出力データから動的システムの数学的記述を学習する。
同定されたモデルの主な目的は、以前の観測から新しいデータを予測することである。
我々は、フィードフォワード、畳み込み、リカレントネットワークなどの文献で一般的に採用されているアーキテクチャについて論じる。
論文 参考訳（メタデータ） (2023-01-30T12:38:31Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2021-09-06T13:10:37Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2020-04-20T02:47:49Z)
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。