Core Concepts
表情認識タスクにおいて、ラベル分布学習を活用し、サンプルのラベル分布と感情クラスの分布を適応的に融合することで、より正確な表情認識を実現する。
Abstract
本論文は、表情認識(FER)タスクにおいて、ラベル分布学習(LDL)パラダイムを活用し、適応的分布融合(Ada-DF)フレームワークを提案している。
まず、補助ブランチを構築してサンプルのラベル分布を得る。次に、これらのラベル分布からクラス分布を算出し、サンプルのラベル分布とクラス分布を注意重み付きで融合する。この融合分布を用いて、最終的な表情分類を行う。
実験では、RAF-DB、AffectNet、SFEWの3つのデータセットで提案手法の有効性を示している。ラベル分布抽出、クラス分布マイニング、適応的分布融合の各モジュールの貢献を分析し、提案手法がSOTAを上回ることを確認した。
さらに、合成的なラベルノイズを導入した実験でも、提案手法の優位性が示された。可視化分析から、提案手法が表情特徴を効果的に学習し、サンプルの曖昧性を適切に処理できることが分かった。
Stats
表情認識タスクでは、データセット中の表情ラベルに曖昧性が存在し、単一ラベルでは表情の多様性を捉えきれない。
提案手法のAda-DFは、サンプルのラベル分布とクラス分布を適応的に融合することで、より正確な表情認識を実現できる。
Ada-DFはRAF-DB、AffectNet、SFEWの3つのデータセットで、SOTAを上回る性能を示した。
合成的なラベルノイズ下でも、Ada-DFは優れた頑健性を発揮した。
Quotes
"表情認識(FER)は、私たちの日常生活において重要な役割を果たしている。"
"しかし、データセット中の注釈の曖昧性は、FERの性能を大きく阻害する可能性がある。"
"本研究では、ラベル分布学習(LDL)パラダイムに基づいて、適応的分布融合(Ada-DF)フレームワークを提案する。"