論文の概要: SuperFace: Preference-Aligned Facial Expression Estimation Beyond Pseudo Supervision

• arxiv url: http://arxiv.org/abs/2605.06179v1
• Date: Thu, 07 May 2026 12:57:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.802485
• Title: SuperFace: Preference-Aligned Facial Expression Estimation Beyond Pseudo Supervision
• Title（参考訳）: SuperFace: Pseudo スーパービジョンを超えた顔表情推定
• Authors: Zejian Kang, Xuanyang Xu, Wentao Yang, Kai Zheng, Yuanchen Fei, Hongyuan Zou, Hui Shan, Shuo Yang, Xiangru Huang,
• Abstract要約: SuperFaceは、ARKitの表情推定のための好み駆動フレームワークである。 レンダリングされた表情に対する人間の嗜好フィードバックを通じて、係数予測を改善する。 実験の結果,SuperFaceはLive Link Faceの監視よりも表現の忠実度を向上させることがわかった。
• 参考スコア（独自算出の注目度）: 8.2798153099332
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate facial estimation is crucial for realistic digital human animation, and ARKit blendshape coefficients offer an interpretable representation by mapping facial motions to semantic animation controls. However, learning high-quality ARKit coefficient prediction remains limited by the absence of reliable ground-truth supervision. Existing methods typically rely on capture software such as Live Link Face to provide pseudo labels, which may contain noisy activations, biased coefficient magnitudes, and missing or inaccurate facial actions. Consequently, models trained with supervised learning tend to reproduce imperfect pseudo labels rather than optimize for perceptual expression fidelity. In this paper, we propose SuperFace, a preference-driven framework that moves ARKit facial expression estimation from pseudo-label imitation toward human-aligned perceptual optimization. Instead of treating software-estimated coefficients as fixed ground truth, SuperFace uses them only as an initialization and further improves coefficient prediction through human preference feedback on rendered facial expressions. By aligning the model with perceptual judgments rather than numerical pseudo labels, SuperFace enables more visually faithful and expressive facial animation. Experiments show that SuperFace improves expression fidelity over Live Link Face supervision, demonstrating the effectiveness of preference-driven optimization for semantic facial action prediction.
• Abstract（参考訳）: ARKitブレンドシェープ係数は、顔の動きをセマンティックアニメーション制御にマッピングすることで解釈可能な表現を提供する。 しかし,高品質なARKit係数予測の学習は,信頼性の高い地道監督が欠如しているため,依然として限られている。 既存の手法は、通常Live Link Faceのようなキャプチャーソフトウェアを使って擬似ラベルを提供するが、これはノイズのあるアクティベーション、偏りのある係数の大きさ、顔の動作の欠如や不正確な動作を含む可能性がある。 その結果、教師付き学習で訓練されたモデルは、知覚表現の忠実度を最適化するよりも、不完全な擬似ラベルを再現する傾向にある。 本稿では,ARKitの表情推定を擬似ラベルの模倣から人間の知覚的最適化へ移行させる,嗜好駆動型フレームワークであるSuperFaceを提案する。 ソフトウェア推定係数を固定基底真理として扱う代わりに、SuperFaceはこれらを初期化としてのみ使用し、描画された表情に対する人間の嗜好フィードバックを通じて係数予測を改善する。 SuperFaceは、数値的な擬似ラベルではなく知覚的な判断にモデルを合わせることで、より視覚的に忠実で表現力のある顔アニメーションを可能にします。 実験の結果、SuperFaceはLive Link Faceの監督よりも表現の忠実度を向上し、セマンティックな顔行動予測における好み駆動の最適化の有効性を実証した。

関連論文リスト

• SemanticFace: Semantic Facial Action Estimation via Semantic Distillation in Interpretable Space [5.027040416865858]
  アバター制御や人間とコンピュータの相互作用といった多くの実用的な応用には、解釈可能な顔アクションが必要である。 解釈可能なARKitブレンドシェープ空間における顔行動推定のためのフレームワークであるSemanticFaceを提案する。
  論文  参考訳（メタデータ） (2026-03-16T05:07:49Z)
• VividFace: Real-Time and Realistic Facial Expression Shadowing for Humanoid Robots [37.61907490582774]
  ヒューマノイドロボットのためのリアルタイムかつリアルな表情陰影システムVividFaceを提案する。 VividFaceは、人間の表情を0.05秒以内に模倣することで、鮮やかなヒューマノイド顔を生成する。
  論文  参考訳（メタデータ） (2026-02-07T11:51:50Z)
• VisualSpeaker: Visually-Guided 3D Avatar Lip Synthesis [70.76837748695841]
  視覚音声認識によって教師される写真リアルな微分可能レンダリングを用いてギャップを埋める新しい手法であるVisualSpeakerを提案する。 我々の貢献は、訓練中に訓練済みの視覚自動音声認識モデルを通して3Dガウス・スプティング・アバターレンダリングを通過させることによって得られる、知覚的な唇読影損失である。 MEADデータセットの評価は、VisualSpeakerが標準のLip Vertex Errorメトリックを56.1%改善し、生成されたアニメーションの知覚的品質を向上し、メッシュ駆動アニメーションの制御性を維持していることを示している。
  論文  参考訳（メタデータ） (2025-07-08T15:04:17Z)
• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• eMotion-GAN: A Motion-based GAN for Photorealistic and Facial Expression Preserving Frontal View Synthesis [3.2498796510544636]
  正面視合成のための新しい深層学習手法であるeMotion-GANを提案する。 頭部変動による動きをノイズとして,表情による動きを関連情報として考慮し,ノイズを除去する訓練を行った。 そして、フィルタされた動きを中性前頭面にマッピングして、対応する表現性前頭面を生成する。
  論文  参考訳（メタデータ） (2024-04-15T17:08:53Z)
• A Generalist FaceX via Learning Unified Facial Representation [77.74407008931486]
  FaceXは、多様な顔タスクを同時に処理できる新しい顔ジェネラリストモデルである。 汎用的なFaceXは、一般的な顔編集タスクの精巧なタスク特化モデルと比較して、競争性能が向上する。
  論文  参考訳（メタデータ） (2023-12-31T17:41:48Z)
• DreamIdentity: Improved Editability for Efficient Face-identity Preserved Image Generation [69.16517915592063]
  人間の顔の正確な表現を学習するための新しい顔識別エンコーダを提案する。 また、モデルの編集可能性を高めるために、自己拡張編集可能性学習を提案する。 我々の手法は、異なるシーン下でより高速にアイデンティティ保存された画像を生成することができる。
  論文  参考訳（メタデータ） (2023-07-01T11:01:17Z)

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。