論文の概要: Capturing Dynamics: The 4D Facial Expression Intensity Dataset

• arxiv url: http://arxiv.org/abs/2610.02647v1
• Date: Fri, 02 Oct 2026 01:09:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.153235
• Title: Capturing Dynamics: The 4D Facial Expression Intensity Dataset
• Title（参考訳）: Capturing Dynamics: 4D Facial Expression Intensity Dataset
• Abstract要約: 本稿では,4次元表情強調データセット(4DFEID)を紹介する。 パラメータ・フェース・モデルを用いて2,869個のメッシュ・シーケンスを合成する。 クラウドソーシングプラットフォームを通じて、9万人以上の主観的インテンシティ評価を収集しています。
• 参考スコア（独自算出の注目度）: 61.91091190688099
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The estimation and analysis of facial expression intensity play a crucial role in affective communication and human-computer interaction. Previous research has primarily focused on detecting and estimating facial expression intensity from frame-level 2D representations. However, this limitation restricts a comprehensive understanding of real-world facial expressions, as they are inherently 3D and temporally continuous. This paper investigates the perception of facial expression intensity by introducing the 4D Facial Expression Intensity Dataset (4DFEID). We employ a parametric face model and compile a total of 2,869 mesh sequences with controlled geometric variations, generating 4D data instances with diverse peak intensities and identity attributes. Using a Likert scale, we collect more than 90,000 subjective intensity perception ratings via a crowdsourcing platform. We explore various architectures and aggregation methods to establish baselines for episode intensity estimation on the new dataset, revealing that spatial-temporal graph models consistently outperform traditional frame-aggregation methods. In contrast to existing datasets that rely on 2D static imagery, the proposed 4D-FEID dataset provides the community with a unique and vital resource for investigating the perception of facial expression intensity through the use of dynamic 3D stimuli. By offering high-fidelity, spatio-temporally coherent facial data, 4D-FEID establishes a new foundation for research into more nuanced and naturalistic expression analysis, thereby addressing a gap in the current landscape of affective computing and human-computer interaction studies. The dataset is available at link.
• Abstract（参考訳）: 表情強度の推定と分析は、感情コミュニケーションや人間とコンピュータの相互作用において重要な役割を担っている。 これまでの研究は主に、フレームレベルの2D表現から表情の強度を検出し、推定することに焦点を当ててきた。 しかし、この制限は、本質的に3Dで時間的連続であるため、現実世界の表情の包括的理解を制限する。 本稿では,4次元表情インテンシティデータセット(4DFEID)を導入し,表情強度の知覚について検討する。 パラメータ・フェース・モデルを用いて2,869個のメッシュ・シーケンスを制御し,ピーク強度とアイデンティティ特性の異なる4Dデータ・インスタンスを生成する。 Likertスケールを使用して、クラウドソーシングプラットフォームを通じて90,000以上の主観的インテンシティ評価を収集します。 本研究では,新たなデータセットに基づくエピソードインテンシティ推定の基準線を確立するために,様々なアーキテクチャやアグリゲーション手法について検討し,従来のフレームアグリゲーション手法よりも常に空間時間グラフモデルの方が優れていることを示した。 2D静的画像に依存する既存のデータセットとは対照的に、提案された4D-FEIDデータセットは、動的3D刺激を用いて表情の強度の知覚を調査するためのユニークで重要なリソースをコミュニティに提供する。 高忠実で時空間的コヒーレントな顔データを提供することで、4D-FEIDはよりニュアンスで自然主義的な表現分析の研究のための新しい基盤を確立し、現在の感情コンピューティングと人間とコンピュータの相互作用研究の展望のギャップに対処する。 データセットはリンクで利用可能だ。

関連論文リスト

• Syn4D: A Multiview Synthetic 4D Dataset [92.50132053229817]
  モノクロビデオからの動的シーンの3D再構成と追跡は、コンピュータビジョンにおいて重要な課題である。 この制限に対処するために、マルチビュー合成動的シーンであるSyn4Dを紹介する。 Syn4Dの主な特徴は、任意のピクセルを3Dに切り離すことである。
  論文  参考訳（メタデータ） (2026-05-06T17:59:55Z)
• ID-to-3D: Expressive ID-guided 3D Heads via Score Distillation Sampling [96.87575334960258]
  ID-to-3D(ID-to-3D)は、不整合表現を用いたIDとテキスト誘導型3次元頭部を生成する方法である。 前例のないアイデンティティ一貫性と高品質なテクスチャと幾何生成を実現する。
  論文  参考訳（メタデータ） (2024-05-26T13:36:45Z)
• The Florence 4D Facial Expression Dataset [0.0]
  本研究では,3次元顔モデルの動的配列からなる大規模データセットであるFlorence 4Dを提案する。 合成と実の同一性の組み合わせは、前代未聞の4D表情を示す。 このようなデータコーパスをコミュニティに公開することで、新しいアプリケーションの設計と実験が可能になると強く信じています。
  論文  参考訳（メタデータ） (2022-10-30T10:45:21Z)
• LoRD: Local 4D Implicit Representation for High-Fidelity Dynamic Human Modeling [69.56581851211841]
  そこで我々は,LoRDという,動的に衣を着る人間の局所的な4D暗黙表現を提案する。 私たちの重要な洞察は、ネットワークがローカルな部分レベルの表現の潜在コードを学ぶように促すことです。 LoRDは、4D人間を表現する能力が強く、実用上の最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2022-08-18T03:49:44Z)
• Are 3D Face Shapes Expressive Enough for Recognising Continuous Emotions and Action Unit Intensities? [1.2233362977312945]
  この研究は、パラメトリックな3次元顔形状アライメントモデルに基づく有望な代替手段に焦点を当てている。 我々は,最近の3次元顔アライメントモデルであるExpNet, 3DDFA-V2, DECA, EMOCAをベンチマークした。 AUs 4, 6, 10, 12, 25の3次元顔の特徴はAUs4, 6, 10, 12, 25の2次元顔の特徴と同等であるが,AUs全体の特徴ではない。
  論文  参考訳（メタデータ） (2022-07-03T20:19:06Z)
• Monocular Real-time Full Body Capture with Inter-part Correlations [66.22835689189237]
  本稿では,体と手の形状と運動を1色画像から動的3次元顔モデルと共に推定する,実時間フルボディキャプチャの最初の手法を提案する。 提案手法では,体と手の相関を高い計算効率で活用する新しいニューラルネットワークアーキテクチャを用いる。
  論文  参考訳（メタデータ） (2020-12-11T02:37:56Z)
• 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。