Core Concepts
感情認識システムの効率的な構築には、行動認識の視点から深層学習アーキテクチャを活用することが重要です。
Abstract
感情認識システムは、医学、運転者の疲労監視、ソーシャルロボット、人間とコンピューターのインタラクションなど多くの領域で利用される。
連続次元モデルに基づく人間の影響力は、従来の離散的な感情カテゴリよりも幅広い範囲の日常的な感情を正確に記述することが示されている。
行動認識は外観やフレーム間の動きを捉えるために使用される。
新しい3つのストリームエンドツーエンド深層学習回帰パイプラインが提案されており、提案モデルは複数の標準的なベースラインを上回っていることが定量分析で示されている。
1. 導入
自然な設定で自動的に顔表情を分析するために感情認識分野が急速に成長している。
2. 過去の研究
過去の研究では6つの普遍的表現(幸福、悲しみ、恐れ、嫌悪、驚き、怒り)に焦点を当ててきた。
3. AFEW-VAデータセット
AFEW-VAデータセットは600本以上のビデオクリップから抽出されており、高精度なフレームごとのvalenceとarousalアノテーションを含んでいる。
4. 提案手法
新しい三つ流れアクション認識ベース感情認識パイプラインが提案されており、空間キーフレーム抽出メカニズムや時間ガウスフィルターが組み込まれている。
Stats
"Quantitative analysis shows that the proposed model outperforms multiple standard baselines of both emotion recognition and action recognition models."
"Valence defines how negative or positive the experience is, and intensity of arousal defines how calming or exciting the experience is."