論文の概要: A Multiscale Network with Supervised Contrastive Learning for Real-Time Facial Emotion Recognition

• arxiv url: http://arxiv.org/abs/2606.01069v1
• Date: Sun, 31 May 2026 07:25:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 00:57:58.940827
• Title: A Multiscale Network with Supervised Contrastive Learning for Real-Time Facial Emotion Recognition
• Title（参考訳）: リアルタイム顔表情認識のためのコントラスト学習型マルチスケールネットワーク
• Authors: Rejoy Chakraborty, Archisman Adhikary, Chayan Halder, Payel Rakshit, Sanchita Ghosh, Kaushik Roy,
• Abstract要約: 感情状態を表す表情の変化は離散的ではなく、むしろ連続的である。 表情の変化を検出する能力を持つシステムは、個人の感情状態を決定することに大きな影響を与える可能性がある。 本稿では,表情の変化をモデル化し,リアルタイム映像の感情変化を検出するためのディープラーニングシステムを提案する。
• 参考スコア（独自算出の注目度）: 8.076433799605306
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-time emotion recognition from facial expressions is a challenging task, particularly in video-based scenarios where multiple emotional states may occur over time. The difficulty increases further due to the fact that each emotional state is associated with facial expressions that vary significantly across individuals. The change of facial expressions portraying emotional state is not discrete, but rather continuous, which is very challenging to represent through computational aids. A system with the ability to detect variations in facial expressions can have a significant impact on determining the emotional state of an individual. Such a system can be very beneficial for psychologists during counseling by providing additional insights into the emotional state of a subject. In this paper, a deep learning-based system is presented to detect emotional changes in real-time video of a person by modeling the change in facial expressions. The current study is conducted on a standard dataset for training of the deep learning system and the system has provided very satisfactory outcomes in this respect.
• Abstract（参考訳）: 表情からリアルタイムの感情認識は、特に時間とともに複数の感情状態が発生する可能性のあるビデオベースのシナリオにおいて、難しい課題である。 それぞれの感情状態が、個人間で大きく異なる表情と関連しているという事実により、困難はさらに増大する。 感情状態を表す表情の変化は離散的ではなく、むしろ連続的であり、計算支援を通して表現することが非常に困難である。 表情の変化を検出する能力を持つシステムは、個人の感情状態を決定することに大きな影響を与える可能性がある。 このようなシステムは、被験者の感情状態に関するさらなる洞察を提供することによって、カウンセリング中の心理学者にとって非常に有益である。 本稿では,表情の変化をモデル化し,リアルタイム映像の感情変化を検出するためのディープラーニングシステムを提案する。 本研究は,ディープラーニングシステムのトレーニングのための標準データセット上で行われ,この点において非常に良好な結果が得られた。

関連論文リスト

• CAST-Phys: Contactless Affective States Through Physiological signals Database [74.28082880875368]
  感情的なマルチモーダルデータセットの欠如は、正確な感情認識システムを開発する上で、依然として大きなボトルネックとなっている。 遠隔の生理的感情認識が可能な新しい高品質なデータセットであるCAST-Physを提示する。 本分析では,表情だけでは十分な感情情報が得られない現実的なシナリオにおいて,生理的信号が重要な役割を担っていることを強調した。
  論文  参考訳（メタデータ） (2025-07-08T15:20:24Z)
• Emotion Recognition Using Convolutional Neural Networks [11.243571725357823]
  我々は、ディープラーニングを用いて静止画像とリアルタイムビデオの両方に感情認識を適用することができる感情認識システムを開発した。 提案システムは2つの異なるデータセットでテストされ、80%以上の精度を達成した。
  論文  参考訳（メタデータ） (2025-04-03T20:08:32Z)
• Modelling Emotions in Face-to-Face Setting: The Interplay of Eye-Tracking, Personality, and Temporal Dynamics [1.6029719942799865]
  本研究では、視線追跡データ、時間的ダイナミクス、性格特性を統合することで、知覚と知覚の両方の感情の検出を大幅に向上させる方法について述べる。 本研究は,将来の情緒コンピューティングと人間エージェントシステムの設計を示唆するものである。
  論文  参考訳（メタデータ） (2025-03-18T13:15:32Z)
• 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)
• Multi-Cue Adaptive Emotion Recognition Network [4.570705738465714]
  適応型マルチキューに基づく感情認識のための新しい深層学習手法を提案する。 提案手法とCAER-Sデータセットの最先端手法を比較した。
  論文  参考訳（メタデータ） (2021-11-03T15:08:55Z)
• Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
  本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。 我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。 実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-04T08:14:52Z)
• I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
  今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。 また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
  論文  参考訳（メタデータ） (2021-04-16T20:03:30Z)
• Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
  顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。 感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
  論文  参考訳（メタデータ） (2021-03-01T08:31:08Z)
• Learning Emotional-Blinded Face Representations [77.7653702071127]
  感情反応に関連する表情に盲目な2つの顔表現を提案する。 この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
  論文  参考訳（メタデータ） (2020-09-18T09:24:10Z)

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。