論文の概要: Emotion Recognition by Video: A review

• arxiv url: http://arxiv.org/abs/2310.17212v1
• Date: Thu, 26 Oct 2023 07:56:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-27 21:32:35.024925
• Title: Emotion Recognition by Video: A review
• Title（参考訳）: ビデオによる感情認識:レビュー
• Authors: Junxiao Xue, Jie Wang, Xuecheng Wu and Liangyu Fu
• Abstract要約: 本稿では,2015年から2023年にかけての映像感情認識における既存の傾向を体系化する論文を選定する。 まず2つの典型的な感情モデルについて語り、次にビデオ感情認識に頻繁に使用されるデータベースについて話す。 次に、現代の一助的・多モーダルな映像感情認識手法の具体的構造と性能を考察し、分類する。
• 参考スコア（独自算出の注目度）: 2.021481073496215
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video emotion recognition is an important branch of affective computing, and its solutions can be applied in different fields such as human-computer interaction (HCI) and intelligent medical treatment. Although the number of papers published in the field of emotion recognition is increasing, there are few comprehensive literature reviews covering related research on video emotion recognition. Therefore, this paper selects articles published from 2015 to 2023 to systematize the existing trends in video emotion recognition in related studies. In this paper, we first talk about two typical emotion models, then we talk about databases that are frequently utilized for video emotion recognition, including unimodal databases and multimodal databases. Next, we look at and classify the specific structure and performance of modern unimodal and multimodal video emotion recognition methods, talk about the benefits and drawbacks of each, and then we compare them in detail in the tables. Further, we sum up the primary difficulties right now looked by video emotion recognition undertakings and point out probably the most encouraging future headings, such as establishing an open benchmark database and better multimodal fusion strategys. The essential objective of this paper is to assist scholarly and modern scientists with keeping up to date with the most recent advances and new improvements in this speedy, high-influence field of video emotion recognition.
• Abstract（参考訳）: 映像感情認識は感情コンピューティングの重要な分野であり、その解決策は人間とコンピュータの相互作用(HCI)やインテリジェントな医療治療など様々な分野に適用できる。 感情認識の分野で出版された論文の数は増えているが、映像感情認識に関する研究に関する包括的な文献レビューは少ない。 そこで本研究では,2015年から2023年までの論文を選択し,関連する研究における映像感情認識の現在の動向を体系化する。 本稿では,まず2つの典型的な感情モデルについて論じ,その上で,一様データベースやマルチモーダルデータベースなどの映像感情認識に頻繁に利用されるデータベースについて述べる。 次に,現代の一助的・多モーダルな映像感情認識手法の具体的構造と性能を考察し,それぞれの利点と欠点について語り,それらを表上で詳細に比較する。 さらに,現在,映像感情認識における課題を整理し,オープンベンチマークデータベースの確立やマルチモーダル融合戦略の改善など,おそらく最も有望な今後の方向性を指摘する。 本研究の目的は,映像感情認識の迅速かつ高影響の分野における最新の進歩と新たな改善を,研究者や現代科学者が常に支援することである。

関連論文リスト

• MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
  そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。 以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。 MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
  論文  参考訳（メタデータ） (2024-11-18T02:09:48Z)
• A Novel Energy based Model Mechanism for Multi-modal Aspect-Based Sentiment Analysis [85.77557381023617]
  マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。 PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。 EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
  論文  参考訳（メタデータ） (2023-12-13T12:00:46Z)
• eMotions: A Large-Scale Dataset for Emotion Recognition in Short Videos [7.011656298079659]
  短いビデオ(SV)が普及すると、SVにおける感情認識の必要性が生じる。 SVの感情データがないことから,27,996本のビデオからなるeMotionsという大規模データセットを導入する。 本稿では,ビデオトランスフォーマを用いて意味的関連表現をよりよく学習する,エンドツーエンドのベースライン方式AV-CPNetを提案する。
  論文  参考訳（メタデータ） (2023-11-29T03:24:30Z)
• A Survey on Video Diffusion Models [103.03565844371711]
  AI生成コンテンツ(AIGC)の最近の波は、コンピュータビジョンでかなりの成功を収めている。 その印象的な生成能力のため、拡散モデルは徐々にGANと自動回帰変換器に基づく手法に取って代わられている。 本稿では,AIGC時代の映像拡散モデルについて概観する。
  論文  参考訳（メタデータ） (2023-10-16T17:59:28Z)
• How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
  情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。 Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。 Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2022-10-18T17:58:25Z)
• Use of Affective Visual Information for Summarization of Human-Centric Videos [13.273989782771556]
  本研究では、人間中心のビデオに対する感情情報豊かに教師付きビデオ要約タスクについて検討する。 まず、RECOLAデータセット上で視覚的入力駆動型感情認識モデル(CER-NET)を訓練し、感情特性を推定する。 次に,CER-NETの感情特性と高レベル表現を視覚情報と統合し,提案した情緒的映像要約アーキテクチャ(AVSUM)を定義する。
  論文  参考訳（メタデータ） (2021-07-08T11:46:04Z)
• Prior Aided Streaming Network for Multi-task Affective Recognitionat the 2nd ABAW2 Competition [9.188777864190204]
  我々は第2回ABAW2コンペティション(ABAW2コンペティション)に応募する。 異なる感情表現を扱う際に,マルチタスク・ストリーミング・ネットワークを提案する。 我々は、先行知識として高度な表情埋め込みを活用している。
  論文  参考訳（メタデータ） (2021-07-08T09:35:08Z)
• Affective Image Content Analysis: Two Decades Review and New Perspectives [132.889649256384]
  我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。 我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。 画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
  論文  参考訳（メタデータ） (2021-06-30T15:20:56Z)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)

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。