論文の概要: An Empirical Study of Super-resolution on Low-resolution
Micro-expression Recognition
- arxiv url: http://arxiv.org/abs/2310.10022v1
- Date: Mon, 16 Oct 2023 02:48:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 16:47:37.128538
- Title: An Empirical Study of Super-resolution on Low-resolution
Micro-expression Recognition
- Title(参考訳): 低分解能マイクロ表現認識における超解像の実証的研究
- Authors: Ling Zhou, Mingpei Wang, Xiaohua Huang, Wenming Zheng, Qirong Mao,
Guoying Zhao
- Abstract要約: 低分解能(LR)シナリオにおけるマイクロ圧縮認識(MER)は、重要かつ複雑な課題である。
LR MERの改良のための超解像の研究はほとんど行われていない。
我々は7つの最先端技術(SOTA)MER技術を使用し、その性能を13のSOTA SR技術を用いて評価した。
- 参考スコア(独自算出の注目度): 35.16035086083503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Micro-expression recognition (MER) in low-resolution (LR) scenarios presents
an important and complex challenge, particularly for practical applications
such as group MER in crowded environments. Despite considerable advancements in
super-resolution techniques for enhancing the quality of LR images and videos,
few study has focused on investigate super-resolution for improving LR MER. The
scarcity of investigation can be attributed to the inherent difficulty in
capturing the subtle motions of micro-expressions, even in original-resolution
MER samples, which becomes even more challenging in LR samples due to the loss
of distinctive features. Furthermore, a lack of systematic benchmarking and
thorough analysis of super-resolution-assisted MER methods has been noted. This
paper tackles these issues by conducting a series of benchmark experiments that
integrate both super-resolution (SR) and MER methods, guided by an in-depth
literature survey. Specifically, we employ seven cutting-edge state-of-the-art
(SOTA) MER techniques and evaluate their performance on samples generated from
13 SOTA SR techniques, thereby addressing the problem of super-resolution in
MER. Through our empirical study, we uncover the primary challenges associated
with SR-assisted MER and identify avenues to tackle these challenges by
leveraging recent advancements in both SR and MER methodologies. Our analysis
provides insights for progressing toward more efficient SR-assisted MER.
- Abstract(参考訳): 低解像度(LR)シナリオにおけるマイクロ圧縮認識(MER)は、特に混み合った環境におけるグループMERのような実践的応用において、重要かつ複雑な課題を示す。
LR画像やビデオの品質向上のための超解像技術が大幅に進歩しているにもかかわらず, LR MERを改善するための超解像の研究はほとんど行われていない。
調査の不十分さは、原解像度のMERサンプルであっても微小表現の微妙な動きを捉えるのに固有の困難さに起因し得るが、特徴の喪失によりLRサンプルではさらに困難になる。
さらに、系統的なベンチマークの欠如と超解像支援MER法の徹底的な解析が注目されている。
本稿では,超解像(SR)法とMER法を統合した一連のベンチマーク実験を行い,これらの課題に対処する。
具体的には、7つの最先端技術(SOTA)MER技術を用いて、13のSOTA SR技術から生成されたサンプルの性能を評価し、MERにおける超解像問題に対処する。
実証研究を通じて、SR支援MERに関連する主要な課題を明らかにし、SRおよびMER方法論の最近の進歩を活用して、これらの課題に取り組むための道を特定する。
我々の分析は、より効率的なSR支援MERに向けた進歩の洞察を提供する。
関連論文リスト
- ICF-SRSR: Invertible scale-Conditional Function for Self-Supervised
Real-world Single Image Super-Resolution [60.90817228730133]
単一画像超解像(SISR)は、与えられた低解像度(LR)画像を高解像度(HR)にアップサンプリングすることを目的とした課題である。
近年のアプローチは、単純化されたダウンサンプリング演算子によって劣化したシミュレーションLR画像に基づいて訓練されている。
Invertible Scale-Conditional Function (ICF) を提案する。これは入力画像をスケールし、異なるスケール条件で元の入力を復元する。
論文 参考訳(メタデータ) (2023-07-24T12:42:45Z) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳(メタデータ) (2023-02-19T15:43:54Z) - Deep Insights of Learning based Micro Expression Recognition: A
Perspective on Promises, Challenges and Research Needs [7.218497970427467]
マイクロ表現認識(MER)の高性能化のために,Deep Learning(DL)に基づく技術が採用されている。
本稿では, ネットワークモデル設計, 実験戦略, 課題, 研究ニーズの約束を視点として, DLベースのMERフレームワークに関する深い洞察を提供することを目的とする。
論文 参考訳(メタデータ) (2022-10-10T18:08:24Z) - Hitchhiker's Guide to Super-Resolution: Introduction and Recent Advances [3.966405801901351]
スーパーレゾリューション(SR)は繁栄する研究領域となっている。
有望な結果にもかかわらず、この分野はさらなる研究を必要とする課題に直面している。
このレビューは究極的には、研究者がSRに適用されるDLの境界を押し上げるのを助けることを目的としている。
論文 参考訳(メタデータ) (2022-09-27T03:28:34Z) - Learning Resolution-Adaptive Representations for Cross-Resolution Person
Re-Identification [49.57112924976762]
低解像度(LR)クエリIDイメージと高解像度(HR)ギャラリーイメージとの整合性を実現する。
実際のカメラとの違いにより、クエリ画像が分解能の低下に悩まされることがしばしばあるため、これは困難かつ実用的な問題である。
本稿では,問合せ画像の解像度に適応する動的計量を用いて,HRとLRの画像を直接比較するためのSRフリーなパラダイムについて検討する。
論文 参考訳(メタデータ) (2022-07-09T03:49:51Z) - Degradation-Guided Meta-Restoration Network for Blind Super-Resolution [45.61951760826198]
ブラインド超解像(SR)は、低解像度(LR)画像から高品質な視覚テクスチャを復元することを目的としている。
既存のSRアプローチは、事前に定義されたぼやけたカーネルや固定ノイズを仮定する。
本稿では,視覚障害者の視力回復を支援する,視力超解像(DMSR)のための劣化誘導型メタ修復ネットワークを提案する。
論文 参考訳(メタデータ) (2022-07-03T03:24:45Z) - Generative Adversarial Networks for Image Super-Resolution: A Survey [101.39605080291783]
単一画像超解像(SISR)は画像処理の分野で重要な役割を果たしている。
近年のGAN(Generative Adversarial Network)は,小サンプルを用いた低解像度画像に対して優れた結果が得られる。
本稿では,異なる視点からGANの比較研究を行う。
論文 参考訳(メタデータ) (2022-04-28T16:35:04Z) - A Systematic Survey of Deep Learning-based Single-Image Super-Resolution [44.40478296457616]
単一像超解像(SISR)は画像処理において重要な課題であり、画像システムの解像度を高めることを目的としている。
最近、SISRは大きな飛躍を遂げ、ディープラーニング(DL)の助けを借りて有望な成果を上げている。
論文 参考訳(メタデータ) (2021-09-29T10:41:41Z) - Real-World Single Image Super-Resolution: A Brief Review [44.14123585227239]
単一画像超解像(SISR)は、低解像(LR)観測から高解像(HR)画像を再構成することを目的とする。
深層学習に基づく超解像法が注目され,合成データの再構成性能が大幅に向上した。
論文 参考訳(メタデータ) (2021-03-03T12:41:44Z) - HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of
Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。
これは、地球上の人間の影響を衛星で観測する上で重要である。
我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文 参考訳(メタデータ) (2020-02-15T22:17:47Z)
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。