マイクロ表現認識のための学習可能グラフ構造と適応AU制約による幾何学的グラフ表現【JST・京大機械翻訳】

Wei Jinsheng; Peng Wei; Lu Guanming; Li Yante; Yan Jingjie; Zhao Guoying

プレプリント

J-GLOBAL ID：202202202634739889 整理番号：22P0341569

マイクロ表現認識のための学習可能グラフ構造と適応AU制約による幾何学的グラフ表現【JST・京大機械翻訳】

Geometric Graph Representation with Learnable Graph Structure and Adaptive AU Constraint for Micro-Expression Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月30日プレプリントサーバーでの情報更新日： 2023年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マイクロ発現認識(MER)は,マイクロ表現(ME)が真の感情を明らかにすることができるので,貴重である。ほとんどの研究は入力として画像シーケンスを取り上げ,微妙なME関連運動が無関係な情報に容易に浸漬されるので,ME情報を効果的に探索できない。代わりに,顔ランドマークは,低次元でコンパクトなモダリティであり,低い計算コストを達成し,ME関連運動特徴に潜在的に集中する。しかし,MERに対する顔ランドマークの識別可能性は不明である。そこで本論文では,顔ランドマークの寄与を検討し,MEを効率的に認識するための新しいフレームワークを提案した。最初に,幾何学的2ストリームグラフネットワークを構築して,識別的ME表現を得るために,顔ランドマークから低次元および高次幾何学的動き情報を集約した。第二に,自己学習方式を導入して,長距離ノードでさえノード間の動的関係を自動的にモデル化した。さらに,適応行動単位損失を提案し,ランドマーク,顔行動ユニットおよびME間の強い相関を合理的に構築した。特に,本研究は,グラフベースの幾何学的特徴を利用するだけで,MERを促進するためにはるかに高い効率を有する新しいアイデアを提供する。実験結果は,提案方法が大幅に減少した計算コストで競合性能を達成することを証明した。さらに,顔ランドマークはMERに有意に寄与し,高効率ME解析のためのさらなる研究に値する。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , , , , ,

前のページに戻る