論文の概要: A Survey of Deep Learning for Group-level Emotion Recognition

• arxiv url: http://arxiv.org/abs/2408.15276v1
• Date: Tue, 13 Aug 2024 11:54:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-01 16:32:17.775177
• Title: A Survey of Deep Learning for Group-level Emotion Recognition
• Title（参考訳）: グループレベルの感情認識のためのディープラーニングに関する調査
• Authors: Xiaohua Huang, Jinke Xu, Wenming Zheng, Qirong Mao, Abhinav Dhall,
• Abstract要約: グループレベルの感情認識(GER)は、人間の行動を分析する上で重要な領域である。 ディープラーニング(DL)技術の普及に伴い、ニューラルネットワークはGERへの関心が高まっている。 本稿では、GERに適用されたDL技術について概観的なレビューを行い、その分野の新しい分類法を提案する。
• 参考スコア（独自算出の注目度）: 21.542551233204065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the advancement of artificial intelligence (AI) technology, group-level emotion recognition (GER) has emerged as an important area in analyzing human behavior. Early GER methods are primarily relied on handcrafted features. However, with the proliferation of Deep Learning (DL) techniques and their remarkable success in diverse tasks, neural networks have garnered increasing interest in GER. Unlike individual's emotion, group emotions exhibit diversity and dynamics. Presently, several DL approaches have been proposed to effectively leverage the rich information inherent in group-level image and enhance GER performance significantly. In this survey, we present a comprehensive review of DL techniques applied to GER, proposing a new taxonomy for the field cover all aspects of GER based on DL. The survey overviews datasets, the deep GER pipeline, and performance comparisons of the state-of-the-art methods past decade. Moreover, it summarizes and discuss the fundamental approaches and advanced developments for each aspect. Furthermore, we identify outstanding challenges and suggest potential avenues for the design of robust GER systems. To the best of our knowledge, thus survey represents the first comprehensive review of deep GER methods, serving as a pivotal references for future GER research endeavors.
• Abstract（参考訳）: 人工知能(AI)技術の進歩により、集団レベルの感情認識(GER)が人間の行動を分析する重要な領域として登場した。 初期のGER法は主に手作りの機能に依存していた。 しかし、ディープラーニング(DL)技術の普及と、多様なタスクにおける顕著な成功により、ニューラルネットワークはGERへの関心を高めている。 個人の感情とは異なり、集団感情は多様性とダイナミクスを示す。 現在、グループレベルの画像に固有のリッチな情報を効果的に活用し、GER性能を大幅に向上するために、いくつかのDLアプローチが提案されている。 本稿では、GERに適用されたDL手法の総合的なレビューを行い、GERの全ての側面をカバーする分野の新しい分類法を提案する。 調査では、データセット、深いGERパイプライン、過去10年間の最先端メソッドのパフォーマンス比較について概説している。 さらに、各側面の基本的なアプローチと高度な開発について要約し、議論する。 さらに、我々は、優れた課題を特定し、堅牢なGERシステムの設計のための潜在的な道を提案する。 我々の知識を最大限に活用するために、サーベイは、将来のGER研究における重要な参考となる深層GER手法の総合的なレビューとして、最初のものである。

関連論文リスト

• Deep Graph Anomaly Detection: A Survey and New Perspectives [86.84201183954016]
  グラフ異常検出(GAD)は、異常なグラフインスタンス(ノード、エッジ、サブグラフ、グラフ)を特定することを目的とする。 ディープラーニングアプローチ、特にグラフニューラルネットワーク(GNN)は、GADにとって有望なパラダイムとして現れています。
  論文  参考訳（メタデータ） (2024-09-16T03:05:11Z)
• A Deep Features-Based Approach Using Modified ResNet50 and Gradient Boosting for Visual Sentiments Classification [1.2434714657059942]
  本研究は,ディープラーニングアルゴリズムと機械学習アルゴリズムの融合を開発する。 改良されたResNet50から深い特徴を抽出するために,多クラス分類のためのDeep Feature-based Methodが使用されている。 グラデーションブースティングアルゴリズムは感情的な内容を含む写真を分類するために使われてきた。
  論文  参考訳（メタデータ） (2024-08-15T04:18:40Z)
• A Methodological and Structural Review of Hand Gesture Recognition Across Diverse Data Modalities [1.6144710323800757]
  ハンドジェスチャ認識(HGR)システムは、自然、効率的、そして認証された人間とコンピュータの相互作用を促進する。 大幅な進歩にもかかわらず、手の動きを自動的かつ正確に識別することはコンピュータビジョンにおいて大きな課題である。 本稿では,2014年から2024年までのHGR技術とデータモダリティを概観し,センサ技術とコンピュータビジョンの進歩を探求する。
  論文  参考訳（メタデータ） (2024-08-10T04:40:01Z)
• On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
  ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。 本稿では,近年の素子ワイドZSIRの進歩について概説する。 まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
  論文  参考訳（メタデータ） (2024-08-09T05:49:21Z)
• Self-supervised Gait-based Emotion Representation Learning from Selective Strongly Augmented Skeleton Sequences [4.740624855896404]
  自己教師型歩行に基づく感情表現のための選択的強強化を利用したコントラスト学習フレームワークを提案する。 提案手法はEmotion-Gait (E-Gait) と Emilya のデータセットで検証され, 異なる評価プロトコル下での最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2024-05-08T09:13:10Z)
• Emotion Recognition Using Transformers with Masked Learning [7.650385662008779]
  本研究では、視覚変換器(ViT)と変換器(Transformer)のモデルを用いて、Valence-Arousal(VA)の推定に焦点をあてる。 このアプローチは、従来の畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)ベースのメソッドを超越し、新しいTransformerベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-19T12:26:53Z)
• 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)
• Survey on Automated Short Answer Grading with Deep Learning: from Word Embeddings to Transformers [5.968260239320591]
  教育課題を学生数の増加に拡大する手段として,ASAG (Automated Short answer grading) が教育において注目を集めている。 自然言語処理と機械学習の最近の進歩はASAGの分野に大きな影響を与えた。
  論文  参考訳（メタデータ） (2022-03-11T13:47:08Z)
• A Survey on Heterogeneous Graph Embedding: Methods, Techniques, Applications and Sources [79.48829365560788]
  異種情報ネットワーク (heterogenous information network) としても知られるヘテロジニアスグラフ (HGs) は、現実のシナリオにおいてユビキタス化されている。 HG埋め込みは、下流タスクのための不均一な構造と意味を保ちながら、低次元空間での表現を学習することを目的としている。
  論文  参考訳（メタデータ） (2020-11-30T15:03:47Z)
• Recent Progress in Appearance-based Action Recognition [73.6405863243707]
  アクション認識は、ビデオ内の様々な人間の行動を特定するタスクである。 最近の外見に基づく手法は、正確な行動認識に向けて有望な進歩を遂げている。
  論文  参考訳（メタデータ） (2020-11-25T10:18:12Z)
• Deep Learning for Person Re-identification: A Survey and Outlook [233.36948173686602]
  人物再識別(Re-ID)は、複数の重複しないカメラを通して興味ある人物を検索することを目的としている。 人物のRe-IDシステム開発に関わるコンポーネントを分離することにより、それをクローズドワールドとオープンワールドのセッティングに分類する。
  論文  参考訳（メタデータ） (2020-01-13T12:49:22Z)

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。