Core Concepts
다양한 주체(개인)의 데이터를 활용하여 개별 주체에 대한 얼굴 표정 인식 모델을 효과적으로 적응시킬 수 있다.
Abstract
이 논문은 주체(개인) 기반 도메인 적응 방법을 제안한다. 기존의 도메인 적응 방법은 데이터셋 단위로 도메인을 정의했지만, 이 논문에서는 각 개인을 하나의 도메인으로 간주한다. 이를 통해 개인 간 다양성을 효과적으로 활용할 수 있다.
구체적으로, 논문에서는 다음과 같은 내용을 다룬다:
- 다중 소스 도메인 적응(MSDA) 방법을 활용하여 다양한 주체(개인)의 데이터를 활용한다.
- 신뢰도 높은 의사 레이블 생성을 위한 Augmented Confident Pseudo Label (ACPL) 전략을 제안한다.
- BioVid 및 UNBC-McMaster 데이터셋에 대한 실험 결과, 제안 방법이 기존 방법 대비 우수한 성능을 보인다.
- 관련 소스 주체(도메인)를 선별하는 것이 타겟 주체 적응에 큰 영향을 미친다.
Stats
얼굴 표정 인식 모델의 성능이 개인 간 다양성으로 인해 저하될 수 있다.
제안 방법은 다양한 주체(개인)의 데이터를 활용하여 개별 주체에 대한 모델 적응 성능을 향상시킬 수 있다.
BioVid 데이터셋에서 제안 방법의 평균 정확도는 0.83으로, 기존 방법 대비 향상되었다.
UNBC-McMaster 데이터셋에서 제안 방법의 평균 정확도는 0.86으로, 기존 방법 대비 향상되었다.
Quotes
"다양한 주체(개인)의 데이터를 활용하여 개별 주체에 대한 얼굴 표정 인식 모델을 효과적으로 적응시킬 수 있다."
"관련 소스 주체(도메인)를 선별하는 것이 타겟 주체 적응에 큰 영향을 미친다."