普遍属性モデルを用いた自発的表情認識

自発的表情認識とは、非ポーズの人間の表情を認識することを指します。文献では、既存の表情認識のアプローチの大部分は、専門家による手動アノテーションに依存しており、これは時間がかかり、取得が難しいです。したがって、私たちはアノテーションを使用せずに各表情のビデオの識別情報を保持する自発的表情認識のための教師なしフレームワークを提案します。最初に、さまざまな表情の属性を暗黙的に学習するために、普遍属性モデル（UAM）と呼ばれる大規模なガウス混合モデルが訓練されます。属性は、特定の顔の表情を形成するために組み合わされるさまざまな顔の筋肉の動きです。次に、各表情クリップのUAM平均の最大後方適応を使用して形成された連結平均ベクターをスーパ表情ベクター（SEV）と呼びます。このSEVにはすべての表情からの属性が含まれ、高次元の表現が得られます。その特定の表情クリップの属性のみを保持するために、SEVは因子分析を使用して分解され、低次元の表情ベクターが生成されます。この手順はクラスラベルを必要とせず、自発的な表情に存在する高い相互演者変動に関係なく、各表情に対して明確な表情ベクターを生成します。BP4DやAFEWなどの自発的表情データセットでは、表情ベクターが最先端技術よりも優れたパフォーマンスを達成することを示します。さらに、制約されたデータセットで訓練されたUAMが制約のない表情ビデオで表情を認識するために効果的に使用できることも示します。