論文の概要: MagPlus: Bridging Micro-to-Regular Facial Expressions through Learnable Magnification

• arxiv url: http://arxiv.org/abs/2606.13312v1
• Date: Thu, 11 Jun 2026 13:08:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.805394
• Title: MagPlus: Bridging Micro-to-Regular Facial Expressions through Learnable Magnification
• Title（参考訳）: MagPlus:学習可能な拡大によるマイクロ・レギュラー顔表情のブリッジ
• Authors: Sliman Jammal, Andrei Sharf,
• Abstract要約: MagPlusは、マイクロ圧縮分析と標準的な顔アニメーションモデルを結びつける。 補完的なDeMagPlusモジュールは、生成された動きを現実的なマイクロ圧縮強度レベルに戻す。
• 参考スコア（独自算出の注目度）: 1.8907108368038215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial micro-expressions are subtle and short-lived facial movements that provide important cues about genuine human emotions. However, modeling and generating them remains difficult because annotated micro-expression data is limited and the underlying facial motions are extremely weak. Existing micro-expression generation methods therefore often suffer from limited quality, weak robustness, and poor generalization. We propose MagPlus, a transferable micro-expression processing pipeline that connects micro-expression analysis with standard facial animation models. Instead of training a dedicated generator from scratch, MagPlus learns to magnify subtle facial motions into the range of regular facial expressions, transforming micro-expressions into signals that are compatible with existing facial expression processing models. The magnified sequence is then used by a standard facial expression model for tasks such as transfer and synthesis. A complementary DeMagPlus module then restores the generated motion back to realistic micro-expression intensity levels while preserving the synthesized dynamics. We evaluate the framework using four facial animation models: FOMM, FSRT, MetaPortrait, and EmoPortraits. None of these models are trained on micro-expression data. Experiments show that MagPlus-DeMagPlus enables pretrained macro-expression models to generate more realistic micro-expression motion without retraining the backbones.
• Abstract（参考訳）: 顔の微小表現は微妙で短命な顔の動きであり、本物の人間の感情について重要な手がかりを提供する。 しかし、注釈付きマイクロ圧縮データが制限され、基礎となる顔の動きが極めて弱いため、モデリングと生成は依然として困難である。 したがって、既存のマイクロ圧縮生成法は、しばしば、限られた品質、弱い堅牢性、および低い一般化に悩まされる。 我々は、マイクロ圧縮分析と標準的な顔アニメーションモデルとを接続する、転送可能なマイクロ圧縮処理パイプラインMagPlusを提案する。 MagPlusは、スクラッチから専用のジェネレータを訓練する代わりに、微妙な顔の動きを通常の表情の範囲に拡大することを学び、マイクロ表現を既存の表情処理モデルと互換性のある信号に変換する。 拡大されたシーケンスは、転送や合成といったタスクのために、標準的な表情モデルによって使用される。 補完的なDeMagPlusモジュールは、生成した動きを、合成されたダイナミクスを保ちながら、現実的なマイクロ圧縮強度レベルに戻す。 本フレームワークは,FOMM,FSRT,MetaPortrait,EmoPortraitsの4つの顔アニメーションモデルを用いて評価する。 これらのモデルはいずれも、マイクロ圧縮データに基づいて訓練されていない。 実験により、MagPlus-DeMagPlusは、事前訓練されたマクロ表現モデルにより、バックボーンを再トレーニングすることなく、よりリアルなマイクロ表現運動を生成できることが示されている。

関連論文リスト

• Fine-Grained 3D Facial Reconstruction for Micro-Expressions [37.37024356725285]
  安定な顔の動きパターンをキャプチャするグローバルな動的特徴を統合した微細なマイクロ圧縮再構成法を提案する。 本手法は、幾何学的精度と知覚的詳細の両方において、最先端の手法よりも一貫して優れている。
  論文  参考訳（メタデータ） (2026-03-07T05:34:57Z)
• MIBURI: Towards Expressive Interactive Gesture Synthesis [62.45332399212876]
  Embodied Conversational Agents (ECA) は、音声、ジェスチャー、表情を通じて人間の対面相互作用をエミュレートすることを目的としている。 既存のECAの解は、人間のような相互作用には適さない剛性で低多様性の運動を生み出す。 MIBURIは,リアルタイム音声対話と同期した表現力のあるフルボディジェスチャーと表情を生成するための,最初のオンライン因果的フレームワークである。
  論文  参考訳（メタデータ） (2026-03-03T18:59:51Z)
• MELLM: Exploring LLM-Powered Micro-Expression Understanding Enhanced by Subtle Motion Perception [53.00485107136624]
  マイクロ・エクスプレッション(ME)は、隠れた感情を示す、簡潔で低強度の顔の動きである。 本稿では,光学フローに基づく感度を微妙な顔の動きと統合する ME Large Language Model (MELLM) を提案する。 MELLMは複数のMEベンチマークで最先端の精度と一般化を実現する。
  論文  参考訳（メタデータ） (2025-05-11T15:08:23Z)
• Towards Localized Fine-Grained Control for Facial Expression Generation [54.82883891478555]
  人間、特にその顔は、豊かな表現と意図を伝える能力のために、コンテンツ生成の中心である。 現在の生成モデルは、主に平らな中立表現と文字なしの笑顔を認証なしで生成する。 顔生成における表情制御におけるAU(アクションユニット)の利用を提案する。
  論文  参考訳（メタデータ） (2024-07-25T18:29:48Z)
• 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)
• From Macro to Micro: Boosting micro-expression recognition via pre-training on macro-expression videos [9.472210792839023]
  マイクロ圧縮認識(MER)は、インテリジェント医療や嘘検出に応用される可能性があるため、近年注目を集めている。 我々は、textbfMAcro-expression textbfTO textbfMIcro-expression (MA2MI) と呼ばれる一般化トランスファー学習パラダイムを提案する。 我々のパラダイムでは、ネットワークは将来のフレームを再構築することで、微妙な顔の動きを表現する能力を学ぶことができる。
  論文  参考訳（メタデータ） (2024-05-26T06:42:06Z)
• AdaMesh: Personalized Facial Expressions and Head Poses for Adaptive Speech-Driven 3D Facial Animation [49.4220768835379]
  AdaMeshは、適応的な音声駆動の顔アニメーションアプローチである。 約10秒間の参照ビデオから、パーソナライズされた話し方を学ぶ。 鮮やかな表情と頭部のポーズを生成する。
  論文  参考訳（メタデータ） (2023-10-11T06:56:08Z)
• Facial Prior Based First Order Motion Model for Micro-expression Generation [11.27890186026442]
  本稿では,マイクロ圧縮生成と呼ばれる新しいタスクの定式化を試みる。 ファーストオーダーのモーションモデルと顔の事前知識を組み合わせる。 対象の顔が与えられた場合、原動画の動きパターンに応じて、顔を動かしてマイクロ圧縮ビデオを生成する。
  論文  参考訳（メタデータ） (2023-08-08T18:57:03Z)
• 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)
• MMNet: Muscle motion-guided network for micro-expression recognition [2.032432845751978]
  筋運動誘導ネットワーク(MMNet)という,ロバストなマイクロ圧縮認識フレームワークを提案する。 具体的には,局所的な微妙な筋運動パターンを識別情報が少なくモデル化することに焦点を当てた連続的注意ブロック(CA)を導入する。 我々の手法は最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2022-01-14T04:05:49Z)

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。