المفاهيم الأساسية
論文では、マイクロ表情の検出を改善するために、新しいアプローチであるMulti-Scale Spatio-Temporal Graph Convolutional Network(SpoT-GCN)が提案されています。
الملخص
表情スポッティングは、顔のマクロおよびマイクロ表現の開始と終了フレームを特定する重要なタスクです。
既存の手法では、微細な動きや不要な動きに影響を受けることがあります。
提案されたSpoT-GCNは、独自のグラフ畳み込みネットワークを使用して、多様な顔部位間の関係と時間的変動を捉えます。
実験結果は、SAMM-LVおよびCAS(ME)2データセットで最先端の性能を達成しました。
導入
表情は非言語コミュニケーションであり、感情を伝える重要な手段です。
マイクロ表情は0.5秒未満であり、微弱な動きが特徴です。
提案手法
SpoT-GCNは独自のグラフ畳み込みネットワークであり、多様な顔部位間の関係と時間的変動を学習します。
FLGP戦略により、多様な尺度で顔部位から特徴量を抽出します。
結果
SAMM-LVおよびCAS(ME)2データセットで他手法を上回る性能を実証しました。
マイクロ表情検出において大幅な改善が見られました。
الإحصائيات
提案されたモジュールによって全体的なパフォーマンスが向上したことが示されています。