論文の概要: Event-Level Emotion Recognition in the Wild Using Deep Facial Expression Analysis

• arxiv url: http://arxiv.org/abs/2609.13854v1
• Date: Sat, 12 Sep 2026 10:18:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.585137
• Title: Event-Level Emotion Recognition in the Wild Using Deep Facial Expression Analysis
• Title（参考訳）: 深い表情分析を用いた野生における事象レベル感情認識
• Abstract要約: 本稿では,写真からの事象レベルの感情認識のためのエンドツーエンドパイプラインを提案する。 このアプローチは、各画像中の顔を検出し、深層畳み込みニューラルネットワークを使用して表情を分類し、顔レベルの感情確率を集計する。 提案手法は1658枚の画像を含む実世界のイベントデータセットを用いて評価する。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial emotion recognition (FER) in real-world environments remains challenging due to unconstrained imaging conditions, including multiple faces, occlusions, pose variations, and complex lighting. Most existing studies focus on individual facial emotion classification and do not address the analysis of collective emotional states at the event level. This paper proposes an end-to-end pipeline for event-level emotion recognition from photographs. The approach detects faces in each image, classifies facial expressions using a deep convolutional neural network, and aggregates face-level emotion probabilities to estimate the overall emotional distribution of a public event. A comparative evaluation of several CNN architectures on the FER- 2013 and RAF-DB datasets demonstrates that transfer learning with EfficientNet-B2 trained on RAF-DB is more suitable for real-world RGB data. The proposed method is evaluated on a real-world event dataset containing 1658 images. Experimental results show stable emotion distributions across event subsets, confirming the effectiveness of event-level aggregation for emotion analysis in the wild.
• Abstract（参考訳）: 実世界の環境における顔の感情認識(FER)は、複数の顔、オクルージョン、ポーズのバリエーション、複雑な照明を含む、制約のない撮像条件のため、依然として困難である。 既存の研究の多くは、個々の顔の感情の分類に焦点を当てており、事象レベルでの集団的な感情状態の分析には対処していない。 本稿では,写真からの事象レベルの感情認識のためのエンドツーエンドパイプラインを提案する。 このアプローチは、各画像内の顔を検出し、深層畳み込みニューラルネットワークを使用して表情を分類し、顔レベルの感情確率を集約して、公開イベントの全体的な感情分布を推定する。 FER-2013およびRAF-DBデータセット上のCNNアーキテクチャの比較評価では、RAF-DBでトレーニングされたEfficientNet-B2による転送学習が実世界のRGBデータにより適していることが示されている。 提案手法は1658枚の画像を含む実世界のイベントデータセットを用いて評価する。 実験の結果, 事象サブセット間での安定した感情分布が示され, 野生における感情分析における事象レベルアグリゲーションの有効性が確認された。

関連論文リスト

• OUS: Scene-Guided Dynamic Facial Expression Recognition [28.567496552848716]
  動的顔表情認識(DFER)は情緒的コンピューティングには不可欠であるが、シーンコンテキストの影響を見落としていることが多い。 人間のアノテータは通常、様々な角度から感情を統合する。 本研究では,情動の認知パラダイムとより緊密に一致させるために,情緒的DFER法(OUS)の総合的理解を提案する。
  論文  参考訳（メタデータ） (2024-05-29T05:12:16Z)
• Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
  感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
  論文  参考訳（メタデータ） (2024-04-18T15:28:34Z)
• SAFER: Situation Aware Facial Emotion Recognition [0.0]
  表情から感情を認識する新しいシステムであるSAFERを提案する。 最先端のディープラーニング技術を使って、顔画像からさまざまな特徴を抽出する。 目に見えない多様な表情に適応でき、現実世界の用途に適している。
  論文  参考訳（メタデータ） (2023-06-14T20:42:26Z)
• Neuromorphic Event-based Facial Expression Recognition [17.72933597458857]
  本稿では,ニューロモルフィック事象に基づく表情認識のためのデータセットNEFERを提案する。 NEFERは、ペア化されたRGBと、それぞれの感情でラベル付けされた人間の顔を表すイベントビデオで構成されている。 イベントベースアプローチの認識精度を2倍にし, 高速かつ検出し難い表現を解析するためのニューロモルフィックアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2023-04-13T09:02:10Z)
• Emotion Separation and Recognition from a Facial Expression by Generating the Poker Face with Vision Transformers [57.1091606948826]
  我々はこれらの課題に対処するため,ポーカー・フェイス・ビジョン・トランスフォーマー (PF-ViT) と呼ばれる新しいFERモデルを提案する。 PF-ViTは、対応するポーカーフェースを生成して、乱れを認識できない感情を静的な顔画像から分離し、認識することを目的としている。 PF-ViTはバニラビジョントランスフォーマーを使用し、そのコンポーネントは大規模な表情データセット上でMasked Autoencodeerとして事前トレーニングされている。
  論文  参考訳（メタデータ） (2022-07-22T13:39:06Z)
• SOLVER: Scene-Object Interrelated Visual Emotion Reasoning Network [83.27291945217424]
  画像から感情を予測するために,SOLVER(Scene-Object Interrelated Visual Emotion Reasoning Network)を提案する。 異なるオブジェクト間の感情関係を掘り下げるために、まずセマンティックな概念と視覚的特徴に基づいて感情グラフを構築します。 また、シーンとオブジェクトを統合するScene-Object Fusion Moduleを設計し、シーンの特徴を利用して、提案したシーンベースのアテンションメカニズムでオブジェクトの特徴の融合プロセスを導出する。
  論文  参考訳（メタデータ） (2021-10-24T02:41:41Z)
• 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)
• Interpretable Image Emotion Recognition: A Domain Adaptation Approach Using Facial Expressions [11.808447247077902]
  本稿では,ジェネリックイメージ中の感情を識別するための特徴に基づくドメイン適応手法を提案する。 これは、事前訓練されたモデルと、画像感情認識(IER)のための十分に注釈付けされたデータセットの限られた可用性の課題に対処する。 提案されたIERシステムは、IAPSaデータセットの61.86%、ArtPhotoデータセットの62.47、FIデータセットの70.78%、EMOTICデータセットの59.72%の感情分類精度を示した。
  論文  参考訳（メタデータ） (2020-11-17T02:55:16Z)
• 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)
• Learning to Augment Expressions for Few-shot Fine-grained Facial Expression Recognition [98.83578105374535]
  顔表情データベースF2EDについて述べる。 顔の表情は119人から54人まで、200万枚以上の画像が含まれている。 実世界のシナリオでは,不均一なデータ分布やサンプルの欠如が一般的であるので,数発の表情学習の課題を評価する。 顔画像合成のための統合されたタスク駆動型フレームワークであるComposeal Generative Adversarial Network (Comp-GAN) 学習を提案する。
  論文  参考訳（メタデータ） (2020-01-17T03:26:32Z)

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。