Fugu-MT 論文翻訳(概要): Emotion Intensity Matters: Generating Realistic Expressions in Virtual Humans with CVAEs

論文の概要: Emotion Intensity Matters: Generating Realistic Expressions in Virtual Humans with CVAEs

arxiv url: http://arxiv.org/abs/2608.21697v1
Date: Sat, 22 Aug 2026 00:14:39 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-25 18:24:36.917408
Title: Emotion Intensity Matters: Generating Realistic Expressions in Virtual Humans with CVAEs
Title（参考訳）: 感情インテンシティの問題: CVAEを用いた仮想人間における現実表現の生成
Abstract要約: 本稿では,条件付き変分オートエンコーダ(CVAE)に基づく新しい手法を提案する。我々はCVAEモデルを訓練し、実際の人間の表情とのセマンティック一貫性を維持しながら、合成表情データを生成する。本手法は,アクタのパフォーマンスや手動の芸術的介入を必要とせず,仮想キャラクタのアニメーション化に適した感情強度の制御を可能にする。
参考スコア（独自算出の注目度）: 0.20999222360659608
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generating expressive facial behavior in virtual humans (VHs) remains a central challenge in affective computing and character animation. This paper presents a novel approach based on Conditional Variational Autoencoders (CVAEs), trained on real human facial expression data, to synthesize controllable emotional expressions at varying intensities. Using a dataset comprising six basic emotions represented at two intensity levels (low and high), we train a CVAE model to generate synthetic facial expression data while preserving semantic consistency with real human expressions. Despite the limited amount of training data (only 7,680 facial expression samples), the proposed approach learns meaningful latent representations and generates coherent emotional variations. Our method enables control over emotional intensity, making it suitable for animating virtual characters without requiring actor performances or manual artistic intervention. Our research aimed to evaluate whether the method (CVAE) preserves the characteristics associated with the different intensity levels present in the dataset. Results show that the proposed model preserves key expressive characteristics across intensity levels while supporting generalization across emotional intensity levels, contributing to the creation of emotionally expressive virtual characters from relatively small datasets.
Abstract（参考訳）: 仮想人間(VH)における表情行動の生成は、感情コンピューティングとキャラクターアニメーションにおける中心的な課題である。本稿では,実際の表情データに基づいて訓練された条件付き変分オートエンコーダ(CVAE)に基づく新しいアプローチを提案し,様々な強度で制御可能な感情表現を合成する。 2つの強度レベル(低と高)で表現される6つの基本的な感情からなるデータセットを用いて、CVAEモデルをトレーニングし、実際の人間の表情とのセマンティックな一貫性を維持しながら、合成表情データを生成する。限られたトレーニングデータ(表情サンプルはわずか7,680)にもかかわらず、提案手法は有意義な潜在表現を学習し、一貫性のある感情変化を生成する。本手法は,アクタのパフォーマンスや手動の芸術的介入を必要とせず,仮想キャラクタのアニメーション化に適した感情強度の制御を可能にする。本研究の目的は,本手法がデータセット内に存在する異なる強度レベルに関連付けられた特性を保存しているかどうかを評価することである。結果より,本モデルでは,感情的強度レベルをまたいだ一般化をサポートしながら,強度レベルのキー表現特性を保ちながら,比較的小さなデータセットから感情的に表現的な仮想キャラクタの作成に寄与することが示唆された。

関連論文リスト

EmoCAST: Emotional Talking Portrait via Emotive Text Description [56.42674612728354]
EmoCASTは、正確なテキスト駆動感情合成のための拡散ベースのフレームワークである。外観モデリングでは、感情的なプロンプトはテキスト誘導の分離された感情的モジュールを通して統合される。 EmoCASTは、現実的で感情的に表現され、音声同期されたトーキーヘッドビデオを生成する、最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2025-08-28T10:02:06Z)
Persona-Based Synthetic Data Generation Using Multi-Stage Conditioning with Large Language Models for Emotion Recognition [0.0]
大規模言語モデル(LLM)を用いた感情豊かなテキストを生成する新しいフレームワークであるPersonaGenを紹介する。 PersonaGenは、階層化された仮想ペルソナを構築する。実験の結果,ペルソナジェネレーションは,多様で一貫性があり,差別的な感情表現を生成する上で,基本的手法よりも優れていた。
論文参考訳（メタデータ） (2025-07-15T11:32:38Z)
Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
論文参考訳（メタデータ） (2025-04-25T05:28:21Z)
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)
When Words Smile: Generating Diverse Emotional Facial Expressions from Text [77.1867389815291]
本稿では,感情動態に着目したエンドツーエンドのテキスト対表現モデルを提案する。我々のモデルは連続的な潜伏空間における表情の変動を学習し、多様な、流動的で、感情的に一貫性のある表現を生成する。
論文参考訳（メタデータ） (2024-12-03T15:39:05Z)
Learning Frame-Wise Emotion Intensity for Audio-Driven Talking-Head Generation [59.81482518924723]
そこで本研究では,発話頭生成のための微妙なシフトを捕捉し,生成する手法を提案する。我々は,強度レベルを正確に制御し,様々な感情を生成できる話頭フレームワークを開発した。提案手法の有効性を実験・解析により検証した。
論文参考訳（メタデータ） (2024-09-29T01:02:01Z)
Affective Behaviour Analysis via Integrating Multi-Modal Knowledge [24.74463315135503]
ABAW(Affective Behavior Analysis in-wild)の第6回コンペティションでは、Aff-Wild2、Hum-Vidmimic2、C-EXPR-DBデータセットが使用されている。本稿では,Valence-Arousal (VA) Estimation, Expression (EXPR) Recognition, Action Unit (AU) Detection, Compound Expression (CE) Recognition, Emotional Mimicry Intensity (EMI) Estimationの5つの競合トラックについて提案する。
論文参考訳（メタデータ） (2024-03-16T06:26:43Z)
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)
Continuous Emotion Recognition with Spatiotemporal Convolutional Neural Networks [82.54695985117783]
In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
論文参考訳（メタデータ） (2020-11-18T13:42:05Z)
Real-time Facial Expression Recognition "In The Wild'' by Disentangling 3D Expression from Identity [6.974241731162878]
本稿では,1枚のRGB画像から人間の感情認識を行う新しい手法を提案する。顔のダイナミックス、アイデンティティ、表情、外観、3Dポーズのバリエーションに富んだ大規模な顔ビデオデータセットを構築した。提案するフレームワークは毎秒50フレームで動作し、3次元表現変動のパラメータを頑健に推定することができる。
論文参考訳（メタデータ） (2020-05-12T01:32:55Z)

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。