論文の概要: A PCA based Keypoint Tracking Approach to Automated Facial Expressions Encoding

• arxiv url: http://arxiv.org/abs/2406.09017v1
• Date: Thu, 13 Jun 2024 11:40:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-14 18:15:03.694385
• Title: A PCA based Keypoint Tracking Approach to Automated Facial Expressions Encoding
• Title（参考訳）: PCAに基づく顔表情の自動符号化のためのキーポイント追跡手法
• Authors: Shivansh Chandra Tripathi, Rahul Garg,
• Abstract要約: 本稿では,表情学習におけるアクション・ユニット(AU)の自動生成手法について検討する。 データ駆動型AUを生成するために,主成分分析(PCA)と顔キーポイント追跡に基づく教師なしアプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.0605062268685868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Facial Action Coding System (FACS) for studying facial expressions is manual and requires significant effort and expertise. This paper explores the use of automated techniques to generate Action Units (AUs) for studying facial expressions. We propose an unsupervised approach based on Principal Component Analysis (PCA) and facial keypoint tracking to generate data-driven AUs called PCA AUs using the publicly available DISFA dataset. The PCA AUs comply with the direction of facial muscle movements and are capable of explaining over 92.83 percent of the variance in other public test datasets (BP4D-Spontaneous and CK+), indicating their capability to generalize facial expressions. The PCA AUs are also comparable to a keypoint-based equivalence of FACS AUs in terms of variance explained on the test datasets. In conclusion, our research demonstrates the potential of automated techniques to be an alternative to manual FACS labeling which could lead to efficient real-time analysis of facial expressions in psychology and related fields. To promote further research, we have made code repository publicly available.
• Abstract（参考訳）: 表情研究のための顔行動符号化システム(FACS)は手作業であり、かなりの努力と専門知識を必要とする。 本稿では,表情学習におけるアクション・ユニット(AU)の自動生成手法について検討する。 本研究では,プライマリコンポーネント分析(PCA)と顔キーポイント追跡に基づく教師なしアプローチを提案し,一般に利用可能なdisFAデータセットを用いてPCA AUと呼ばれるデータ駆動型AUを生成する。 PCA AUは顔面筋運動の方向に従っており、他の公開試験データセット(BP4D-SpontaneousおよびCK+)の92.83パーセント以上を説明でき、表情を一般化する能力を示している。 PCA AUは、テストデータセットに説明される分散の点でFACS AUのキーポイントベースの等価性に匹敵する。 本研究は,手動FACSラベリングに代わる自動化技術の可能性を示し,心理学や関連分野における表情の効率的なリアルタイム分析に繋がる可能性がある。 さらなる研究を促進するため、コードリポジトリを公開しました。

関連論文リスト

• Representation Learning and Identity Adversarial Training for Facial Behavior Understanding [3.350769246260559]
  主観的同一性はモデルに対するショートカット学習を提供し、AU予測に対する準最適解をもたらすことを示す。 我々はIAT(Identity Adrial Training)を提案し、アイデンティティ不変の特徴を学習するために強力なIAT正規化が必要であることを実証する。 提案手法であるFMAE(Facial Masked Autoencoder)とIATは単純で汎用的で効果的である。
  論文  参考訳（メタデータ） (2024-07-15T21:13:28Z)
• Unsupervised learning of Data-driven Facial Expression Coding System (DFECS) using keypoint tracking [3.0605062268685868]
  コンピュータビジョンベースの顔キーポイントトラッキングを利用して、自動顔符号化システムの教師なし学習を提案する。 結果は、disFAデータセットから推定されるDFECS AUが、テストデータセットの平均的な分散を91.29パーセントまで説明できることを示している。 DFECS AUの87.5パーセントは解釈可能であり、顔面筋運動の方向と一致している。
  論文  参考訳（メタデータ） (2024-06-08T10:45:38Z)
• Contrastive Learning of Person-independent Representations for Facial Action Unit Detection [70.60587475492065]
  自己教師型AU表現学習信号を2次元で定式化する。 ビデオクリップ内でAU表現を学習し、個人に依存しない表現を学習するためのクロスアイデンティティ再構築機構を考案する。 提案手法は,他のコントラスト学習手法よりも優れており,自己教師と教師付きAU検出手法間の性能ギャップを著しく短縮する。
  論文  参考訳（メタデータ） (2024-03-06T01:49:28Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• AU-Supervised Convolutional Vision Transformers for Synthetic Facial Expression Recognition [12.661683851729679]
  本稿では,ABAW(Affective Behavior Analysis in-the-wild)コンペティション2022の6つの基本的表現分類法について述べる。 合成データの曖昧さと顔行動単位(AU)の客観性から,AU情報を活用して性能向上を図る。
  論文  参考訳（メタデータ） (2022-07-20T09:33:39Z)
• Evaluation of Self-taught Learning-based Representations for Facial Emotion Recognition [62.30451764345482]
  この研究は、顔の感情認識のための自己学習の概念を通じて得られた教師なし表現を生成するための様々な戦略を記述する。 このアイデアは、オートエンコーダの初期化、アーキテクチャ、トレーニングデータを変化させることで、多様性を促進する補完的な表現を作ることである。 Jaffe と Cohn-Kanade のデータセットに対する残余のサブジェクトアウトプロトコルによる実験結果から,提案した多種多様な表現に基づく FER 手法が最先端のアプローチと好適に比較できることが示唆された。
  論文  参考訳（メタデータ） (2022-04-26T22:48:15Z)
• Feature Visualization within an Automated Design Assessment leveraging Explainable Artificial Intelligence Methods [0.0]
  3次元CADデータから駆動されるディープラーニングシステムによって主に活用される自動能力評価について紹介した。 現在の評価システムは、抽象的な特徴に関してCADデータを評価することができるが、システム決定の理由に関する幾何学的な指標は持っていない。 NeuroCADプロジェクト内では、ある抽象的特徴に関連する幾何学的特徴を特定するためにxAIメソッドが使用される。
  論文  参考訳（メタデータ） (2022-01-28T13:31:42Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• AU-Expression Knowledge Constrained Representation Learning for Facial Expression Recognition [79.8779790682205]
  本稿では,auアノテーションを使わずにau表現を学習し,表情認識を容易にするau表現知識制約表現学習(aue-crl)フレームワークを提案する。 課題のある非制御データセットの実験を行い,提案されたフレームワークが現状の手法よりも優れていることを実証する。
  論文  参考訳（メタデータ） (2020-12-29T03:42:04Z)

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。