論文の概要: V-NAW: Video-based Noise-aware Adaptive Weighting for Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2503.15970v1
• Date: Thu, 20 Mar 2025 09:13:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:33:58.550575
• Title: V-NAW: Video-based Noise-aware Adaptive Weighting for Facial Expression Recognition
• Title（参考訳）: V-NAW: 表情認識のための映像ベース雑音認識適応重み付け
• Authors: JunGyu Lee, Kunyoung Lee, Haesol Park, Ig-Jae Kim, Gi Pyo Nam,
• Abstract要約: 8th Affective Behavior Analysis in-the-Wild (ABAW) Challengeは、ビデオベースのAff-Wild2データセットを使用して人間の感情を評価することを目的としている。 この課題には、ビデオベースのEXPR認識トラックなど、さまざまなタスクが含まれています。 本稿では,ビデオベースのノイズ対応適応重み付け (V-NAW) を提案する。
• 参考スコア（独自算出の注目度）: 9.57248169951292
• License:
• Abstract: Facial Expression Recognition (FER) plays a crucial role in human affective analysis and has been widely applied in computer vision tasks such as human-computer interaction and psychological assessment. The 8th Affective Behavior Analysis in-the-Wild (ABAW) Challenge aims to assess human emotions using the video-based Aff-Wild2 dataset. This challenge includes various tasks, including the video-based EXPR recognition track, which is our primary focus. In this paper, we demonstrate that addressing label ambiguity and class imbalance, which are known to cause performance degradation, can lead to meaningful performance improvements. Specifically, we propose Video-based Noise-aware Adaptive Weighting (V-NAW), which adaptively assigns importance to each frame in a clip to address label ambiguity and effectively capture temporal variations in facial expressions. Furthermore, we introduce a simple and effective augmentation strategy to reduce redundancy between consecutive frames, which is a primary cause of overfitting. Through extensive experiments, we validate the effectiveness of our approach, demonstrating significant improvements in video-based FER performance.
• Abstract（参考訳）: 表情認識(FER)は人間の感情分析において重要な役割を担い、人間とコンピュータの相互作用や心理的評価といったコンピュータビジョンのタスクに広く応用されてきた。 第8回ABAW(Affective Behavior Analysis in the-Wild)チャレンジは、ビデオベースのAff-Wild2データセットを使用して人間の感情を評価することを目的としている。 この課題には、ビデオベースのEXPR認識トラックなど、さまざまなタスクが含まれています。 本稿では,ラベルのあいまいさとクラス不均衡に対処し,性能劣化を引き起こすことが知られており,有意義な性能改善につながることを実証する。 具体的には、ビデオベースのノイズ対応適応重み付け(V-NAW)を提案し、クリップ内の各フレームに重要度を適応的に割り当て、ラベルのあいまいさに対処し、表情の時間的変動を効果的に捉える。 さらに, オーバーフィッティングの主な原因である連続フレーム間の冗長性を低減するための, 単純かつ効果的な拡張戦略を導入する。 広範にわたる実験により,本手法の有効性を検証し,映像によるFER性能の大幅な向上を実証した。

関連論文リスト

• When Pre-trained Visual Representations Fall Short: Limitations in Visuo-Motor Robot Learning [19.394253159981577]
  トレーニング済みの視覚表現を視覚運動ロボット学習に統合することは、視覚エンコーダをゼロから訓練するための有望な代替手段として登場した。 PVRは、時間的絡み合いや、小さなシーンの摂動があっても一般化できないなど、政策学習の文脈において重要な課題に直面している。 本研究は、これらの欠点を特定し、対処するための解決策を提案する。まず、時間的知覚とタスク完了の感覚でPVR機能を増強し、効果的に時間内にそれらを切り離す。 第2に,タスク関連ローカル機能への選択的参加を学習するモジュールを導入し,アウト・オブ・ディストリビューション(out-of-distribution)の評価においてロバスト性を高める。
  論文  参考訳（メタデータ） (2025-02-05T15:25:46Z)
• SVFAP: Self-supervised Video Facial Affect Perceiver [42.16505961654868]
  コンピュータビジョンにおける近年の自己教師型学習の成功に触発された本研究では,自己教師型映像表情知覚器(SVFAP)と呼ばれる自己教師型アプローチを導入する。 SVFAPは、監督された方法で直面するジレンマに対処するために、マスク付きビデオオートエンコーディングを利用して、巨大な未ラベルの顔ビデオで自己教師付き事前トレーニングを行う。 提案手法の有効性を検証するため, 動的表情認識, 次元感情認識, パーソナリティ認識を含む3つの下流タスクにまたがる9つのデータセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-12-31T07:44:05Z)
• From Static to Dynamic: Adapting Landmark-Aware Image Models for Facial Expression Recognition in Videos [88.08209394979178]
  野生における動的表情認識(DFER)は、データ制限によって依然として妨げられている。 抽出された顔のランドマーク認識機能に暗黙的に符号化された既存のSFER知識と動的情報を活用する新しい静的・動的モデル(S2D)を提案する。
  論文  参考訳（メタデータ） (2023-12-09T03:16:09Z)
• SS-VAERR: Self-Supervised Apparent Emotional Reaction Recognition from Video [61.21388780334379]
  この研究は、自己監督的な方法で行われるビデオのみの入力からの明らかな感情的反応の認識に焦点を当てる。 ネットワークは、まず異なる自己教師付きプレテキストタスクで事前訓練され、その後、下流のターゲットタスクで微調整される。
  論文  参考訳（メタデータ） (2022-10-20T15:21:51Z)
• Differentiable Frequency-based Disentanglement for Aerial Video Action Recognition [56.91538445510214]
  ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。 我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。 我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
  論文  参考訳（メタデータ） (2022-09-15T22:16:52Z)
• 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)
• Frame-level Prediction of Facial Expressions, Valence, Arousal and Action Units for Mobile Devices [7.056222499095849]
  本稿では,AffectNetで事前学習した1つのEfficientNetモデルを用いて,顔の特徴を抽出し,フレームレベルの感情認識アルゴリズムを提案する。 当社のアプローチは,モバイルデバイス上でのビデオ解析にも適用できる。
  論文  参考訳（メタデータ） (2022-03-25T03:53:27Z)
• Leveraging Real Talking Faces via Self-Supervision for Robust Forgery Detection [112.96004727646115]
  本研究では,実話を用いた顔操作映像の検出手法を開発した。 本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。 以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-18T17:14:54Z)
• 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)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• A Multi-resolution Approach to Expression Recognition in the Wild [9.118706387430883]
  顔認識タスクを解決するためのマルチリゾリューション手法を提案する。 私たちは、しばしば異なる解像度で画像が取得されるという観察を直感的に根拠としています。 我々は、Affect-in-the-Wild 2データセットに基づいてトレーニングされたSqueeze-and-Excitationブロックを備えたResNetのようなアーキテクチャを使用する。
  論文  参考訳（メタデータ） (2021-03-09T21:21:02Z)

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。