論文の概要: MELDAE: A Framework for Micro-Expression Spotting, Detection, and Automatic Evaluation in In-the-Wild Conversational Scenes

• arxiv url: http://arxiv.org/abs/2510.22575v1
• Date: Sun, 26 Oct 2025 08:18:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-28 15:28:15.250932
• Title: MELDAE: A Framework for Micro-Expression Spotting, Detection, and Automatic Evaluation in In-the-Wild Conversational Scenes
• Title（参考訳）: MELDAE:Wild Conversational Sceneにおけるマイクロ圧縮スポッティング,検出,自動評価のためのフレームワーク
• Authors: Yigui Feng, Qinglin Wang, Yang Liu, Ke Liu, Haotian Mo, Enhao Huang, Gencheng Liu, Mingzhe Liu, Jie Liu,
• Abstract要約: 最初のマイクロ・エクスプレッション・データセットは会話・イン・ザ・ワイルドのシナリオに焦点を当てた。 エンドツーエンドのローカライゼーションと検出フレームワーク、MELDAE。 新たな境界認識損失関数は、オンセットとオフセットのエラーをペナル化することで時間精度を向上させる。
• 参考スコア（独自算出の注目度）: 9.065848218600133
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurately analyzing spontaneous, unconscious micro-expressions is crucial for revealing true human emotions, but this task remains challenging in wild scenarios, such as natural conversation. Existing research largely relies on datasets from controlled laboratory environments, and their performance degrades dramatically in the real world. To address this issue, we propose three contributions: the first micro-expression dataset focused on conversational-in-the-wild scenarios; an end-to-end localization and detection framework, MELDAE; and a novel boundary-aware loss function that improves temporal accuracy by penalizing onset and offset errors. Extensive experiments demonstrate that our framework achieves state-of-the-art results on the WDMD dataset, improving the key F1_{DR} localization metric by 17.72% over the strongest baseline, while also demonstrating excellent generalization capabilities on existing benchmarks.
• Abstract（参考訳）: 自然界の会話など、自然界のシナリオにおいて、人間の感情を明らかにするためには、自然に無意識で自発的に分析することが不可欠である。 既存の研究は、制御された実験室環境のデータセットに大きく依存しており、その性能は現実世界で劇的に低下している。 この問題に対処するため,第1のマイクロ圧縮データセットとして,対話型のシナリオに焦点を当てた,エンドツーエンドのローカライゼーションと検出フレームワークであるMELDAEと,オンセットとオフセットのエラーをペナライズすることで時間的精度を向上させる新たな境界認識損失関数を提案する。 大規模な実験により、我々のフレームワークはWDMDデータセット上で最先端の結果を達成し、最強ベースラインを17.72%上回るキーF1_{DR}ローカライゼーション基準を改良し、既存のベンチマーク上で優れた一般化能力を示した。

関連論文リスト

• Rethinking Evaluation of Infrared Small Target Detection [105.59753496831739]
  本稿では,画素レベルと目標レベルのパフォーマンスを取り入れたハイブリッドレベルのメトリクスを導入し,システム的エラー解析手法を提案し,クロスデータセット評価の重要性を強調した。 標準化されたベンチマークを容易にするオープンソースツールキットがリリースされた。
  論文  参考訳（メタデータ） (2025-09-21T02:45:07Z)
• From Ideal to Real: Unified and Data-Efficient Dense Prediction for Real-World Scenarios [66.57089888022414]
  DenseWorldは、緊急な現実世界のアプリケーションに対応する、25の密集した予測タスクの幅広いセットにまたがるベンチマークである。 次に,DenseDiTを提案する。DenseDiTは,生成モデルの視覚的先行性を利用して,統合された戦略により,多種多様な実世界の密集予測タスクを実行する。 DenseDiTは、ベースラインの0.01%未満のトレーニングデータを使用して優れた結果を得る。
  論文  参考訳（メタデータ） (2025-06-25T09:40:50Z)
• Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
  マイクロ表現は不随意かつ過渡的な表情である。 嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。 マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
  論文  参考訳（メタデータ） (2022-01-30T05:14:13Z)
• Short and Long Range Relation Based Spatio-Temporal Transformer for Micro-Expression Recognition [61.374467942519374]
  我々は,マイクロ圧縮認識のための最初の純粋トランスフォーマーベースアプローチである,新しいアテンポ的トランスフォーマーアーキテクチャを提案する。 空間パターンを学習する空間エンコーダと、時間的分析のための時間的次元分類と、ヘッドとを備える。 広範に使用されている3つの自発的マイクロ圧縮データセットに対する総合的な評価は,提案手法が一貫して芸術の状態を上回っていることを示している。
  論文  参考訳（メタデータ） (2021-12-10T22:10:31Z)

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。