論文の概要: Evaluating and Correcting Human Annotation Bias in Dynamic Micro-Expression Recognition
- arxiv url: http://arxiv.org/abs/2603.04766v1
- Date: Thu, 05 Mar 2026 03:28:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:11.052196
- Title: Evaluating and Correcting Human Annotation Bias in Dynamic Micro-Expression Recognition
- Title（参考訳）: 動的マイクロ圧縮認識における人間のアノテーションバイアスの評価と補正
- Authors: Feng Liu, Bingyu Nan, Xuezhong Qian, Xiaolan Fu,
- Abstract要約: 本稿では,グローバル・アンチモノトニック・ディファレンシャル・セレクション・ストラテジーアーキテクチャを提案する。
本手法は,マイクロ圧縮の著しい変動を特徴とするオンセットフレームとApexフレームを同定する。
次にこれらを使用してオフセットフレームを決定し、リッチ時間動的表現を構築する。
- 参考スコア（独自算出の注目度）: 5.491378433328092
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Existing manual labeling of micro-expressions is subject to errors in accuracy, especially in cross-cultural scenarios where deviation in labeling of key frames is more prominent. To address this issue, this paper presents a novel Global Anti-Monotonic Differential Selection Strategy (GAMDSS) architecture for enhancing the effectiveness of spatio-temporal modeling of micro-expressions through keyframe re-selection. Specifically, the method identifies Onset and Apex frames, which are characterized by significant micro-expression variation, from complete micro-expression action sequences via a dynamic frame reselection mechanism. It then uses these to determine Offset frames and construct a rich spatio-temporal dynamic representation. A two-branch structure with shared parameters is then used to efficiently extract spatio-temporal features. Extensive experiments are conducted on seven widely recognized micro-expression datasets. The results demonstrate that GAMDSS effectively reduces subjective errors caused by human factors in multicultural datasets such as SAMM and 4DME. Furthermore, quantitative analyses confirm that offset-frame annotations in multicultural datasets are more uncertain, providing theoretical justification for standardizing micro-expression annotations. These findings directly support our argument for reconsidering the validity and generalizability of dataset annotation paradigms. Notably, this design can be integrated into existing models without increasing the number of parameters, offering a new approach to enhancing micro-expression recognition performance. The source code is available on GitHub[https://github.com/Cross-Innovation-Lab/GAMDSS].
- Abstract（参考訳）: マイクロ表現の既存の手動ラベリングは、特にキーフレームのラベリングにおける偏差がより顕著な異文化のシナリオにおいて、精度の誤差を被る。
本稿では,キーフレーム再選択によるマイクロ表現の時空間モデリングの有効性を高めるため,GAMDSS(Global Anti-Monotonic Differential Selection Strategy)アーキテクチャを提案する。
具体的には、動的フレーム再選択機構を介して、完全なマイクロ圧縮動作シーケンスから、大きなマイクロ圧縮変動を特徴とするOnsetとApexフレームを同定する。
次にこれらを使用してオフセットフレームを決定し、リッチな時空間動的表現を構築する。
次に、共有パラメータを持つ2分岐構造を用いて、時空間的特徴を効率的に抽出する。
大規模な実験は、7つの広く認識されているマイクロ圧縮データセット上で実施される。
GAMDSSは,SAMMや4DMEなどの多文化データセットにおいて,人為的要因による主観的誤りを効果的に低減することを示した。
さらに、マルチカルチャーデータセットにおけるオフセットフレームアノテーションがより不確実であることを確認し、マイクロ圧縮アノテーションを標準化するための理論的正当性を提供する。
これらの知見は,データセット・アノテーション・パラダイムの有効性と一般化性を再考する上で,我々の主張を裏付けるものである。
特に、この設計はパラメータの数を増やすことなく既存のモデルに統合することができ、マイクロ圧縮認識性能を向上させるための新しいアプローチを提供する。
ソースコードはGitHub[https://github.com/Cross-Innovation-Lab/GAMDSS]で入手できる。
関連論文リスト
- SoliReward: Mitigating Susceptibility to Reward Hacking and Annotation Noise in Video Generation Reward Models [53.19726629537694]
ビデオ生成モデルと人間の好みのトレーニング後のアライメントは、重要な目標である。
現在のデータ収集パラダイムは、プロンプト内のペアワイズアノテーションに依存しており、ノイズのラベル付けに悩まされている。
ビデオRMトレーニングのための体系的フレームワークであるSoliRewardを提案する。
論文 参考訳（メタデータ） (2025-12-17T14:28:23Z) - MEPT: Mixture of Expert Prompt Tuning as a Manifold Mapper [75.6582687942241]
本稿では,Mixture of Expert Prompt Tuning (MEPT) を効果的かつ効率的な多様体マッピングフレームワークとして提案する。
MEPTは複数のプロンプト専門家を統合し、多様な非定常データ分布を適応的に学習する。
経験的評価により、MEPTはSuperGLUE上でいくつかの最先端パラメータの効率的なベースラインより優れていることが示された。
論文 参考訳（メタデータ） (2025-08-31T21:19:25Z) - Boosting Micro-Expression Analysis via Prior-Guided Video-Level Regression [15.099304324307434]
マイクロ・エクスプレッション(ME)は、不随意、低強度、短時間の表情である。
既存のME分析手法の多くは、固定されたウィンドウサイズと難しい決定を伴うウィンドウレベルの分類に依存している。
本稿では,ME解析のための事前誘導型ビデオレベル回帰手法を提案する。
論文 参考訳（メタデータ） (2025-08-26T09:13:36Z) - Temporal and Spatial Feature Fusion Framework for Dynamic Micro Expression Recognition [5.444324424467006]
過渡的かつ高度に局所化されたマイクロ表現は、その正確な認識に重大な課題をもたらす。
マイクロ圧縮認識の精度は、プロでも50%以下である。
DMER(TSFmicro)のための新しい時間空間特徴融合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-22T08:26:19Z) - Adaptive Temporal Motion Guided Graph Convolution Network for Micro-expression Recognition [48.21696443824074]
ATM-GCN(Adaptive Temporal Motion Guided Graph Convolution Network)と呼ばれる,マイクロ圧縮認識のための新しいフレームワークを提案する。
本フレームワークは,クリップ全体のフレーム間の時間的依存関係の把握に優れ,クリップレベルでのマイクロ圧縮認識が向上する。
論文 参考訳（メタデータ） (2024-06-13T10:57:24Z) - A Closer Look at Debiased Temporal Sentence Grounding in Videos:
Dataset, Metric, and Approach [53.727460222955266]
テンポラル・センテンス・グラウンディング・イン・ビデオ(TSGV)は、未編集のビデオに自然言語文を埋め込むことを目的としている。
最近の研究では、現在のベンチマークデータセットには明らかなモーメントアノテーションバイアスがあることが判明している。
偏りのあるデータセットによる膨らませ評価を緩和するため、基礎的リコールスコアを割引する新しい評価基準「dR@n,IoU@m」を導入する。
論文 参考訳（メタデータ） (2022-03-10T08:58:18Z) - 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) - Action Units That Constitute Trainable Micro-expressions (and A
Large-scale Synthetic Dataset) [20.866448615388876]
本研究では,マイクロ圧縮トレーニングデータを大規模に自動合成するプロトコルを開発することを目的とする。
具体的には、トレーニング可能なマイクロ表現を適切に構成できる3種類のアクションユニット(AU)を発見する。
これらのAUでは、様々なアイデンティティを持つ多数の顔画像と、既存の顔生成方式を用いてマイクロ圧縮合成を行う。
マイクロ圧縮認識モデルは、生成されたマイクロ圧縮データセットに基づいてトレーニングされ、実世界のテストセットで評価される。
論文 参考訳（メタデータ） (2021-12-03T06:09:06Z)
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。