論文の概要: Leveraging Previous Facial Action Units Knowledge for Emotion Recognition on Faces

• arxiv url: http://arxiv.org/abs/2311.11980v1
• Date: Mon, 20 Nov 2023 18:14:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 17:41:56.223117
• Title: Leveraging Previous Facial Action Units Knowledge for Emotion Recognition on Faces
• Title（参考訳）: 顔の感情認識における顔行動単位知識の活用
• Authors: Pietro B. S. Masur and Willams Costa and Lucas S. Figueredo and Veronica Teichrieb
• Abstract要約: 本稿では,感情認識のための顔行動単位(AU)認識手法を提案する。 この認識はFACS(Facial Action Coding System)に基づいており、機械学習システムによって計算される。
• 参考スコア（独自算出の注目度）: 2.4158349218144393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: People naturally understand emotions, thus permitting a machine to do the same could open new paths for human-computer interaction. Facial expressions can be very useful for emotion recognition techniques, as these are the biggest transmitters of non-verbal cues capable of being correlated with emotions. Several techniques are based on Convolutional Neural Networks (CNNs) to extract information in a machine learning process. However, simple CNNs are not always sufficient to locate points of interest on the face that can be correlated with emotions. In this work, we intend to expand the capacity of emotion recognition techniques by proposing the usage of Facial Action Units (AUs) recognition techniques to recognize emotions. This recognition will be based on the Facial Action Coding System (FACS) and computed by a machine learning system. In particular, our method expands over EmotiRAM, an approach for multi-cue emotion recognition, in which we improve over their facial encoding module.
• Abstract（参考訳）: 人は感情を自然に理解し、機械が同じことをできるようにすれば、人間とコンピュータのインタラクションのための新しい道が開ける。 表情は感情認識技術に非常に有用であり、これらは感情と相関できる非言語的手がかりの最も大きな送信者である。 いくつかのテクニックは、機械学習プロセスで情報を抽出する畳み込みニューラルネットワーク(CNN)に基づいている。 しかし、単純なCNNは感情と相関できる顔の関心点を見つけるのに必ずしも十分ではない。 本研究では,感情認識のための顔行動単位(aus)認識手法を提案することにより,感情認識技術の能力を拡大する。 この認識はFACS(Facial Action Coding System)に基づいており、機械学習システムによって計算される。 特に,マルチキュー感情認識のためのアプローチであるEmotiRAM上に拡張し,顔符号化モジュールを改良する。

関連論文リスト

• Emotion Detection through Body Gesture and Face [0.0]
  このプロジェクトは、非顔の手がかり、特に手、身体のジェスチャー、ジェスチャーに焦点を当てることによる感情認識の課題に対処する。 従来の感情認識システムは、主に表情分析に依存しており、ボディランゲージを通して伝達される豊かな感情情報を無視することが多い。 このプロジェクトの目的は、マシンが人間の感情をより包括的でニュアンスな方法で解釈し、反応する能力を高めることで、感情コンピューティングの分野に貢献することにある。
  論文  参考訳（メタデータ） (2024-07-13T15:15:50Z)
• Authentic Emotion Mapping: Benchmarking Facial Expressions in Real News [21.707761612280304]
  本稿では,現実的なニュースビデオから抽出した顔のランドマークを用いた感情認識のための新しいベンチマークを提案する。 従来のRGB画像に依存した手法は資源集約的な手法であるのに対し、FLER(Facial Landmark Emotion Recognition)によるアプローチはシンプルで効果的な代替手段である。
  論文  参考訳（メタデータ） (2024-04-21T00:14:03Z)
• Multi-Cue Adaptive Emotion Recognition Network [4.570705738465714]
  適応型マルチキューに基づく感情認識のための新しい深層学習手法を提案する。 提案手法とCAER-Sデータセットの最先端手法を比較した。
  論文  参考訳（メタデータ） (2021-11-03T15:08:55Z)
• Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
  本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。 我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。 実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-04T08:14:52Z)
• Emotion Recognition from Multiple Modalities: Fundamentals and Methodologies [106.62835060095532]
  マルチモーダル感情認識(MER)のいくつかの重要な側面について論じる。 まず、広く使われている感情表現モデルと感情モダリティの簡単な紹介から始める。 次に、既存の感情アノテーション戦略とそれに対応する計算タスクを要約する。 最後に,実世界のアプリケーションについて概説し,今後の方向性について論じる。
  論文  参考訳（メタデータ） (2021-08-18T21:55:20Z)
• Emotion Recognition for Healthcare Surveillance Systems Using Neural Networks: A Survey [8.31246680772592]
  本稿では、ニューラルネットワークを用いた感情認識の分野での最近の研究について述べる。 我々は、感情の認識を音声、表情、音声視覚入力から研究することに集中する。 これら3つの感情認識技術は、患者を監視するための医療センターの監視システムとして使用できる。
  論文  参考訳（メタデータ） (2021-07-13T11:17:00Z)
• Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
  顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。 感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
  論文  参考訳（メタデータ） (2021-03-01T08:31:08Z)
• 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)
• Emotion Recognition From Gait Analyses: Current Research and Future Directions [48.93172413752614]
  歩行はウォーカーの感情に関する情報を伝える 様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。 歩行は遠隔観察可能で 模倣が困難で 被験者との協力も少ない
  論文  参考訳（メタデータ） (2020-03-13T08:22:33Z)
• 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)
• An adversarial learning framework for preserving users' anonymity in face-based emotion recognition [6.9581841997309475]
  本稿では,反復的手順で学習した畳み込みニューラルネットワーク(CNN)アーキテクチャに依存する逆学習フレームワークを提案する。 その結果、提案手法は、感情認識の精度を保ち、顔認証の劣化を抑えるための畳み込み変換を学習できることが示唆された。
  論文  参考訳（メタデータ） (2020-01-16T22:45:52Z)

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。