論文の概要: A Shared Latent for Partially-Labeled Multi-Task Facial Affect Recognition

• arxiv url: http://arxiv.org/abs/2607.16285v1
• Date: Sat, 11 Jul 2026 04:55:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.081154
• Title: A Shared Latent for Partially-Labeled Multi-Task Facial Affect Recognition
• Title（参考訳）: 部分ラベル付き多面顔の顔影響認識のための共有潜位器
• Abstract要約: 部分的にラベル付けされたマルチタスク学習は、共有された影響の潜伏者に対する疎外化であることを示す。 s-Aff-Wild2では、フレームのわずか37%が3つのラベル全てを担っているが、これらのクラスは極めて不均衡である。 各タスクのソースが評価分割で選択されると、組み立て結果が報告される。
• 参考スコア（独自算出の注目度）: 9.736740880077823
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial affect in the wild is naturally multi-task: valence-arousal, discrete expressions, and facial action units describe the same face. Yet real corpora annotate these tasks only partially and unevenly, so most systems mask the missing labels or impute pseudo-labels and forgo the cross-task signal. We instead cast partially-labeled multi-task learning as marginalization over a shared affect latent: one variational bottleneck mediates all three task decoders, so a frame annotated for one task shapes the representation the others use, and the masked objective reappears as the reconstruction term of an evidence lower bound. On s-Aff-Wild2, where only 37% of frames carry all three labels, the classes are severely imbalanced, and pretraining on the source data is disallowed, we isolate where this coupling acts. On a single backbone it lifts expression macro-F1 from 0.403 for a dedicated specialist to 0.446, which the masked-loss model does not reach; a second, near-peer backbone with decorrelated errors then breaks an action-unit ceiling that external action-unit data could not, while valence-arousal stays within noise. Every gain is disciplined by a matched-control negative; together these controls indicate that the rare-class failure is representational, not a matter of loss shaping. As each task's source is chosen on the evaluation split, we report the assembled result, a combined multi-task score of 1.679 on validation, as an in-sample endpoint and rest our conclusions on the controlled comparisons; a small, regime-dependent transfer of the expression advantage to AffectNet and RAF-DB is presented as exploratory rather than conclusive.
• Abstract（参考訳）: 野における顔の影響は自然にマルチタスクであり、原子価刺激的、離散的表現、顔の動き単位は同じ顔を表わす。 しかし、実際のコーパスはこれらのタスクを部分的に不均一にアノテートするだけなので、ほとんどのシステムは、欠落したラベルを隠したり、偽のラベルをインプットしたり、クロスタスクのシグナルを強制する。 1つの変分ボトルネックは3つのタスクデコーダ全てを仲介するので、1つのタスクにアノテートされたフレームは、他のタスクが使用する表現を形作っており、マスクされた目的語は、エビデンスの下限の再構成用語として再現れる。 s-Aff-Wild2では、フレームの37%しか3つのラベルを持たないため、クラスは極めて不均衡であり、ソースデータの事前学習は禁止され、この結合が作用する場所を分離する。 単一のバックボーンでは、表現マクロF1を0.403から0.446まで持ち上げるが、マスク付きロスモデルでは到達しない。 すべての利得は一致した制御負によって規律づけられる;これらの制御は、希少なクラスの失敗が表現的であり、損失形成の問題ではないことを示す。 評価分割で各タスクのソースを選択すると、まとめられた結果が1.679のマルチタスクスコアとなり、インサンプルエンドポイントとして、制御された比較結果に結論が残され、AffectNetとRAF-DBに有利な表現の小さな状態依存的な転送が、決定よりも探索的なものとして提示される。

関連論文リスト

• The Intervention Gap in Latent World Models [0.0]
  計画時介入の忠実さは、学習された世界モデルの際立った、測定可能な特性である。 リリースされたTD-MPC2チェックポイントサイズ全体で、タスクオブザーバのオペレータエラー診断が増加するにつれて、エピソードリターンが減少する。 タスク信号無しで訓練された自己教師付き世界モデルは、共有タスク上のタスク選択モデルよりもかなり優れた演算子を保存する。
  論文  参考訳（メタデータ） (2026-08-30T19:47:51Z)
• Multi-Agent Target-Existence Verification and Learned Mask Geometry Refinement: Winning Report of the MeViS-Text Track at the 8th LSVOS Challenge 2026 [0.6416429054645992]
  本稿では,第8回LSVOSチャレンジ2026におけるMeViS-Textトラックへの第1位ソリューションを提案する。 偽りの非ターゲット表現を含む、手書きの動作表現でガイドされるビデオオブジェクトのセグメンテーションを参照すること。 我々のパイプラインであるSSUPERは、各表現を視覚概念に分解し、SAM3.1でフルビデオ候補マスクレットを生成し、ターゲットIDを選択する。
  論文  参考訳（メタデータ） (2026-08-11T21:47:52Z)
• When Does Consensus Mean Correctness? Measuring the Agreement-Accuracy Coupling with Semantics-Preserving Re-Rendering [0.8594140167290097]
  ラベルのない信頼性信号として、摂動入力間のモデルの合意が使用される。 レンダリングは正確さと信頼性の両方で再サンプリングする。 モデル自身のクロスレンダーコンセンサスインバータを微調整する。
  論文  参考訳（メタデータ） (2026-08-06T07:08:05Z)
• Suppression Sticks, Locality Is Fragile: A Closed-Loop Target-and-Control Audit of Task-Vector Negation in VLA Policies [33.432377306905735]
  タスクベクトル算術は、モデルを修正するためのクローズドフォームな方法を提供するが、クローズドループロボット制御において、その振る舞いの局所性は未だ不明である。 マルチタスク・ビジョン・ランゲージ・アクション(VLA: Multitask Vision-Language-action)ポリシーから,タスク・ベクターごとのタスク・ベクター・サブトラクションのターゲット・アンド・コントロール・監査を行う。
  論文  参考訳（メタデータ） (2026-08-05T10:59:53Z)
• DisPOSE: Projected Polystochastic Diffusion for Self-Supervised Multi-View 3D Human Pose Estimation [58.47973015036709]
  DisPOSEは、本質的に離散的な多視点人物割り当て問題を近似する自己教師型フレームワークである。 特定可能なシンクホーン射影を用いることにより、本モデルは有効かつ実現可能な課題への解の導出を学ぶ。 提案手法は、標準データセット上での最先端の自己教師手法よりも優れている。
  論文  参考訳（メタデータ） (2026-06-05T16:14:39Z)
• Task-Guided Multi-Annotation Triplet Learning for Remote Sensing Representations [2.5700571547896103]
  以前の三重項損失法は、様々なアノテーション間の監督のバランスをとるために静的重みに頼っていた。 提案したタスク誘導三重項損失は,三重項を相互情報化基準で選択することで,この依存を除去する。 実験により、タスク対応三重項選択は下流タスクに対してより効果的な共有表現を生成することが示された。
  論文  参考訳（メタデータ） (2026-04-04T19:30:38Z)
• Multi-threshold Deep Metric Learning for Facial Expression Recognition [60.26967776920412]
  本稿では,難易度検証を回避する多閾値深度学習手法を提案する。 その結果,三重項損失のそれぞれの閾値は本質的にクラス間変動の特異な分布を決定することがわかった。 埋め込み層はスライスで構成されており、より情報的で差別的な特徴である。
  論文  参考訳（メタデータ） (2024-06-24T08:27:31Z)
• Localizing Task Information for Improved Model Merging and Compression [61.16012721460561]
  我々は,各タスクの重み付けが重なり合わないことが多いため,各タスクがマージされた後も,各タスクの解決に必要な情報が保存されていることを示す。 本稿では,そのような重みを排除し,既存のモデルマージ手法の一般的な性能を改善するアルゴリズムであるConsensus Mergingを提案する。
  論文  参考訳（メタデータ） (2024-05-13T14:54:37Z)
• Towards A Robust Group-level Emotion Recognition via Uncertainty-Aware Learning [27.284076257222942]
  グループレベルの感情認識(GER)は、人間の行動分析の不可分な部分である。 GERのためのより堅牢な表現を抽出する不確実性認識学習(UAL)手法を提案する。 我々は,強騒音に対するモデルの頑健性を高めるために,画像強調モジュールを開発した。
  論文  参考訳（メタデータ） (2023-10-06T15:05:41Z)
• Leveraging sparse and shared feature activations for disentangled representation learning [112.22699167017471]
  本稿では,教師付きタスクの多種多様な集合から抽出した知識を活用し,共通不整合表現を学習することを提案する。 我々は6つの実世界分布シフトベンチマークと異なるデータモダリティに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2023-04-17T01:33:24Z)
• Uncertain Facial Expression Recognition via Multi-task Assisted Correction [43.02119884581332]
  MTACと呼ばれる不確実な表情認識に対処するためのマルチタスク支援補正法を提案する。 具体的には、信頼度推定ブロックと重み付け正則化モジュールを用いて、固体試料をハイライトし、バッチ毎に不確かさサンプルを抑圧する。 RAF-DB、AffectNet、AffWild2データセットの実験は、MTACが合成および実際の不確実性に直面した際のベースラインよりも大幅に改善されていることを示した。
  論文  参考訳（メタデータ） (2022-12-14T10:28:08Z)
• Joint-Modal Label Denoising for Weakly-Supervised Audio-Visual Video Parsing [52.2231419645482]
  本稿では,弱教師付き音声・視覚ビデオ解析タスクについて述べる。 それぞれのモードに属する全ての事象を認識し、時間的境界をローカライズすることを目的としている。
  論文  参考訳（メタデータ） (2022-04-25T11:41:17Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)
• Disentanglement for Discriminative Visual Recognition [7.954325638519141]
  この章では、有害な要因を、タスク関連/非関連なセマンティックなバリエーションと、特定されていない潜伏的なバリエーションとして体系的に要約する。 統合された2つの完全に接続されたレイヤブランチフレームワークにおいて、ディープメトリックロスとソフトマックスロスを組み合わせることで、より優れたFER性能を実現することができる。 このフレームワークは、照明、化粧、変装耐性顔認証、顔属性認識など、一連のタスクにおいて最高のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-06-14T06:10:51Z)

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。