論文の概要: AffectFuse: Cross-Task Feature Fusion with Temporal Modeling for Multi-Task Affective Behavior Analysis

• arxiv url: http://arxiv.org/abs/2607.16546v1
• Date: Fri, 17 Jul 2026 22:44:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-21 18:48:37.178264
• Title: AffectFuse: Cross-Task Feature Fusion with Temporal Modeling for Multi-Task Affective Behavior Analysis
• Title（参考訳）: AffectFuse:Multi-Task Affective Behavior Analysisのための時間モデルを用いたクロスタスク特徴融合
• Abstract要約: 本稿では,S-Aff-Wild2における第11回ABAW(Affective Behavior Analysis in-wild)競技のマルチタスク学習トラックについて述べる。 フリーズされたAffectNetが管理するバックボーンはマルチレゾリューション機能を提供する。 アクションユニット認識では,ローランド適応(LoRA)を用いてMAE-Faceを適応し,ユニット単位のエキスパートルーティングを通じてdisFAを使用する。
• 参考スコア（独自算出の注目度）: 0.2981315866322933
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Affective behavior recognition in the wild requires joint prediction of continuous valence-arousal, categorical facial expression, and multi-label action units from unconstrained face images. We present our system for the Multi-Task Learning (MTL) track of the 11th Affective Behavior Analysis in-the-wild (ABAW) competition on s-Aff-Wild2, the static selected-frame version of Aff-Wild2. The method focuses on post-encoder adaptation: frozen AffectNet-supervised backbones provide multi-resolution features, while task-specific temporal heads and cross-task fusion modules select the useful signals for each target. For action-unit recognition, we adapt MAE-Face with Low-Rank Adaptation (LoRA) and use DISFA through per-unit expert routing rather than direct sequential transfer. Ablations over backbone, temporal, fusion, and AU-adaptation choices define the final configuration. The final system obtains P = 1.7302 on the official validation split, showing that post-encoder adaptation and task-wise modeling choices provide a strong MTL pipeline without training a new large-scale face foundation model.
• Abstract（参考訳）: 野生での感情的行動認識には、制約のない顔画像から連続的な原子価刺激、カテゴリー的表情、および多ラベルアクションユニットを共同で予測する必要がある。 本稿では,Aff-Wild2 の静的選択フレームである s-Aff-Wild2 上の ABAW (Affective Behavior Analysis in-wild) コンペティションの MTL トラックについて述べる。 凍結されたAffectNetが管理するバックボーンはマルチレゾリューション機能を提供し、タスク固有の時間ヘッドとクロスタスク融合モジュールは各ターゲットに有用な信号を選択する。 アクション単位認識では,ローランド適応 (LoRA) を用いてMAE-Faceを適応し,直列転送ではなくユニット単位のエキスパートルーティングを通じてdisFAを使用する。 バックボーン、時間、融合、AU適応の選択に対するアブレーションは、最終的な構成を定義する。 最終的なシステムは、公式の検証分割でP = 1.7302を取得し、エンコーダ後の適応とタスクワイドなモデリング選択が、新しい大規模顔基盤モデルをトレーニングすることなく、強力なMTLパイプラインを提供することを示した。

関連論文リスト

• Task-Specific Feature Fusion Method for Multi-Task Affective Behavior Analysis [5.014305646574725]
  ABAW11マルチタスク感情行動解析のためのタスク適応型特徴融合について検討した。 まず,2つの事前訓練された視覚バックボーンであるDINOv2 ViT-LとDINOv3 ConvNeXt-baseを,表情指向の顔画像セットに適応させる。 ABAW11検証セットでは、選択されたシステムは、EXPRマクロF1の0.4222、AUマクロF1の0.5402、平均VACCCの0.6717を達成する。
  論文  参考訳（メタデータ） (2026-07-15T16:14:59Z)
• Task-Instructed Causal Routing of Vision Foundation Models for Multi-Task Learning [28.310784933552444]
  視覚基礎モデル(VFM)は、幅広い視覚的タスクにおいて強い堅牢性と伝達性を示す。 TIGER(Task-Guided Expert Routing)は、マルチタスクの高密度予測のために複数の異種VFMを協調するフレームワークである。 我々は、TIGERをNYUD-v2とPascal Contextの2つのマルチタスク密度予測ベンチマークで評価し、最近のマルチタスク学習ベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2026-06-14T11:55:13Z)
• Selective, Regularized, and Calibrated: Harnessing Vision Foundation Models for Cross-Domain Few-Shot Semantic Segmentation [15.928088842408565]
  本稿では,3段階のセレクトレギュラライズ・キャリブレートVFMに基づくセグメンテーションフレームワークを提案する。 HERAは限られたラベルから効果的に学習し、ソースデータの再トレーニングなしで新しいドメインに適応する。 実験の結果、HERAは複数のCD-FSSベンチマークで4.1 mIoU以上を越えている。
  論文  参考訳（メタデータ） (2026-05-19T04:22:17Z)
• Model Specific Task Similarity for Vision Language Model Selection via Layer Conductance [92.72779885657373]
  本稿では,視覚エンコーダの内部関数力学におけるモデル選択の基盤となるフレームワークを提案する。 提案手法は,各タスクをレイヤワイドコンダクタンスにより表現し,エントロピー正規化アライメントによる目標条件付きブロック重要度分布を導出する。 そこで本研究では,DCD(Directional Conductance Divergence)という,ソースタスクが対象の機能ブロックをいかに効果的にカバーするかを定量化する非対称な指標を提案する。
  論文  参考訳（メタデータ） (2026-02-01T17:29:43Z)
• Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
  ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。 人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。 実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
  論文  参考訳（メタデータ） (2025-12-18T08:38:44Z)
• SAMamba: Adaptive State Space Modeling with Hierarchical Vision for Infrared Small Target Detection [12.964308630328688]
  赤外線小目標検出(ISTD)は、軍事・海上・早期警戒用途における長距離監視に不可欠である。 ISTDは画像の0.15%未満のターゲットと複雑な背景との識別性が低いターゲットによって挑戦されている。 本稿では,SAM2の階層的特徴学習とMambaの選択的シーケンスモデリングを統合した新しいフレームワークSAMambaを提案する。
  論文  参考訳（メタデータ） (2025-05-29T07:55:23Z)
• Sports-Traj: A Unified Trajectory Generation Model for Multi-Agent Movement in Sports [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを紹介する。 バスケットボールU,サッカーU,サッカーUの3つの実践的スポーツデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
  実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。 近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。 SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
  論文  参考訳（メタデータ） (2024-04-13T13:39:26Z)
• Interactive Test-Time Adaptation with Reliable Spatial-Temporal Voxels for Multi-Modal Segmentation [56.70910056845503]
  マルチモーダルテストタイム適応(MM-TTA)は、補完的なマルチモーダル入力をオンライン形式で活用することにより、ラベルのないターゲットドメインにモデルを適応させる。 従来のMM-TTA法は, 時間的不整合によるフレームワイドの不安定な予測と, 信頼度誘導の仮定に反する不正確な予測の2つの大きな限界に悩まされていた。 Latte++は、より情報的な幾何学的対応によって不安定なフレーム単位の予測をより抑制し、対話型テスト時間適応(ITTA)は、努力を伴わない人間のフィードバックを促進するフレキシブルなアドオンである。
  論文  参考訳（メタデータ） (2024-03-11T06:56:08Z)
• Decoupled Multi-task Learning with Cyclical Self-Regulation for Face Parsing [71.19528222206088]
  顔解析のための周期的自己統制型デカップリング型マルチタスク学習を提案する。 具体的には、DML-CSRは、顔解析、バイナリエッジ、カテゴリエッジ検出を含むマルチタスクモデルを設計する。 提案手法は,Helen,CelebA-HQ,LapaMaskのデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2022-03-28T02:12:30Z)
• Semi-supervised Facial Action Unit Intensity Estimation with Contrastive Learning [54.90704746573636]
  提案手法では,手動でキーフレームを選択する必要はなく,2%の注釈付きフレームで最先端の結果を生成できる。 提案手法は, ランダムに選択したデータに対してわずか2%の費用で作業した場合に, 既存の手法よりも優れていることを実験的に検証した。
  論文  参考訳（メタデータ） (2020-11-03T17:35:57Z)

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。