論文の概要: A cross-modal network for facial expression recognition

• arxiv url: http://arxiv.org/abs/2605.04439v1
• Date: Wed, 06 May 2026 03:09:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.618071
• Title: A cross-modal network for facial expression recognition
• Title（参考訳）: 表情認識のためのクロスモーダルネットワーク
• Authors: Chunwei Tian, Jingyuan Xie, Qi Zhang, Chao Li, Wangmeng Zuo, Shichao Zhang,
• Abstract要約: 表情認識のための強力な生体情報と構造情報を有するクロスモーダルネットワーク(CMNet) CMNetは、顔全体、左右半分の顔の表情対称性を通して表現情報を学び、相補的な顔の特徴を抽出する。 半面アライメント最適化機構は、学習した左右の半面の表現情報を整列するように設計されている。
• 参考スコア（独自算出の注目度）: 51.05874212406346
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Deep neural networks enriched with structural information have been widely employed for facial expression recognition tasks. However, these methods often depend on hierarchical information rather than face property to finish expression recognition. In this paper, we propose a cross-modal network with strong biological and structural information for facial expression recognition (CMNet). CMNet can respectively learn expression information via face symmetry on a whole face, left and right half faces to extract complementary facial features. To prevent negative effect of biological and structural information fusion, a salient facial information refinement module can obtain salient facial expression information to improve stability of an obtained facial expression classifier. To reduce reliance on unilateral facial features, a half-face alignment optimization mechanism is designed to align obtained expression information of learned left and right half faces. Our experimental results demonstrate that CMNet outperforms several novel methods, i.e., SCN and LAENet-SA for facial expression recognition. Codes can be obtained at https://github.com/hellloxiaotian/CMNet.
• Abstract（参考訳）: 構造情報に富んだディープニューラルネットワークは、表情認識タスクに広く利用されている。 しかし、これらの手法は、表現認識を終了させるために、顔の特性よりも階層的な情報に依存することが多い。 本稿では,表情認識(CMNet)のための強力な生体情報と構造情報を備えたクロスモーダルネットワークを提案する。 CMNetは、顔全体、左顔、右顔の表現情報をそれぞれ学習し、相補的な顔の特徴を抽出する。 生体情報融合及び構造情報融合の負の効果を防止するため、有能な顔情報精錬モジュールは、有能な表情情報を得ることができ、得られた表情分類器の安定性を向上させることができる。 一方の顔特徴への依存を低減するため、学習した左右の顔の表情情報を整列する半面アライメント最適化機構を設計する。 実験の結果,CMNet は表情認識において,SCN と LAENet-SA の2つの新しい手法より優れていた。 コードはhttps://github.com/hellloxiaotian/CMNetで取得できる。

関連論文リスト

• FaceInsight: A Multimodal Large Language Model for Face Perception [69.06084304620026]
  本研究では,顔の詳細な情報を提供する多目的顔認識大言語モデル (MLLM) を提案する。 本手法では, 顔情報間の不確かさと決定論的関係の両方をモデル化するために, 顔知識の視覚的・テキスト的アライメントを導入する。 3つの顔認識タスクに対する総合的な実験と分析により、FaceInsightはMLLMと比較した9つの性能を一貫して上回っていることが示された。
  論文  参考訳（メタデータ） (2025-04-22T06:31:57Z)
• SimFLE: Simple Facial Landmark Encoding for Self-Supervised Facial Expression Recognition in the Wild [3.4798852684389963]
  顔のランドマークの効果的な符号化を学習できる自己教師型簡易顔ランドマーク符号化法(SimFLE)を提案する。 この目的のために、新しいFaceMAEモジュールを紹介します。 いくつかのFER-Wベンチマークの実験結果から、提案したSimFLEは顔のランドマークのローカライゼーションに優れていることが証明された。
  論文  参考訳（メタデータ） (2023-03-14T06:30:55Z)
• Activation Template Matching Loss for Explainable Face Recognition [27.453358219579183]
  本稿では、説明可能な顔認識ネットワークを構築するために、汎用的な説明可能なチャネル損失(ECLoss)を提案する。 ECLossは優れた説明可能性指標を実現し、同時に顔アライメントなしで顔認証の性能を向上させる。
  論文  参考訳（メタデータ） (2022-07-05T17:16:04Z)
• TANet: A new Paradigm for Global Face Super-resolution via Transformer-CNN Aggregation Network [72.41798177302175]
  本稿では, 顔構造特徴の表現能力を完全に探求する自己認識機構(すなわち Transformer のコア)に基づく新しいパラダイムを提案する。 具体的には、2つの経路からなるTransformer-CNNアグリゲーションネットワーク(TANet)を設計する。 上記の2つの経路から特徴を集約することにより、グローバルな顔の構造の整合性と局所的な顔のディテール復元の忠実度を同時に強化する。
  論文  参考訳（メタデータ） (2021-09-16T18:15:07Z)
• Learning Facial Representations from the Cycle-consistency of Face [23.23272327438177]
  顔特徴の周期一貫性を自由監督信号として導入し、ラベルのない顔画像から顔の表情を学習する。 この学習は、顔の動きサイクルの制約とアイデンティティのサイクルの制約を重畳することによって実現される。 我々のアプローチは既存の手法と競合し、アンタングル表現に埋め込まれたリッチでユニークな情報を実証する。
  論文  参考訳（メタデータ） (2021-08-07T11:30:35Z)
• Micro-Facial Expression Recognition Based on Deep-Rooted Learning Algorithm [0.0]
  本稿では,MFEDRL(Micro-Facial Expression Based Deep-Rooted Learning)分類器を提案する。 アルゴリズムの性能は認識率と偽測度を用いて評価する。
  論文  参考訳（メタデータ） (2020-09-12T12:23:27Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。