Nov, 2018

深度神经网络增强：生成面孔进行情感分析

PDF
TL;DR本文提出了一种新的方法，用于合成面部情感，接受中性 2D 人脸图像、基本面部表情或 VA 头像建议，以及 2D VA 空间中的路径作为输入，采用 3D 可变模型，对中性人脸图像进行形变和添加颜色，使生成的面孔带有特定情感，用于数据增强和深度神经网络的联调。
facial affectemotion synthesisdata augmentationdeep neural networksmorphable model
发现论文，激发创造
  • 情感空间下的逼真人脸合成

    该研究提出了一种新颖的面部情感合成方法，使用情感状态描述符和中性图像生成逼真的面部表情。

    Nov, 2018

  • 数据增强和迁移学习应用于面部表情识别

    通过使用数据增强技术和生成对抗网络模型，将初步训练的卷积神经网络与不同架构的预训练模型的方法应用于面部表情识别任务，使得模型的泛化能力得到提高，从而实现对面部表情的自动识别，准确率达到 85%。

    Feb, 2024

  • AffectNet：野外面部表情、好感度和唤起度计算的数据库

    该研究收集并准备公开发布了一个名为 AffectNet 的数据库，包含 100 多万张网络图片，其中大约半数手动注释了 7 种离散面部表情和不同情绪模型的愉悦和唤起度强度，并使用两个深度神经网络对分类模型的图像进行分类和预测情感的愉悦和唤起度强度。

    Aug, 2017

  • 一种多任务学习与生成框架：情感价值 - 唤起度、动作单位和基本表情

    本论文针对情感分析的各个领域进行了研究，提出了基于神经网络的多任务学习方法，该方法有效地应用于 Aff-Wild 情感数据库的新注释部分并实现了良好的性能。

    Nov, 2018

  • 神经形态学价值和唤起估计

    使用神经形态学数据从面部预测价值和唤醒值，并将训练模型直接应用于情绪识别任务。

    Jan, 2024

  • GANmut: 生成和修改面部表情

    通过将离散情绪映射为向量，并使用两个情感数据集进行实验，本研究旨在通过在不同数据集、图像分辨率和面部检测方法之间进行基准测试，扩展先进的 GANmut 框架的研究可能性。

    Jun, 2024

  • 野外情感分析：愉悦度 - 唤起度、表情、动作单元和统一框架

    本文介绍了利用深度学习方法对情感进行分析与识别的相关研究，以及在真实情境下（in-the-wild）数据上进行大规模情感分析所需深度神经网络的架构设计，并提出了一种基于多任务学习和整体框架的方法，通过改进现有的情感识别技术来提高情感识别效果。

    Mar, 2021

  • 第六届 ABAW 比赛中的 HSEmotion 团队：面部表情、情绪价值 - 唤醒度和情绪强度预测

    本论文介绍了利用预训练的深度模型在静态照片上提取可靠情感特征的可能性，并通过多任务场景中的轻量级模型来识别面部表情、价值和唤起。实验结果表明，与现有的非集成技术相比，我们的方法显著提高了验证集上的质量指标。

    Mar, 2024

  • 一种个性化情感记忆神经模型，用于提高情感识别能力

    本论文提出了一个基于有条件的对抗自动编码器的神经模型和增长可变网络的方法，用于识别和区分个性化和在线面部表情的情绪，取得了最先进的表现，还包括削减研究和神经可视化，以解释我们的模型行为。

    Apr, 2019

  • 神经情感导演：在野外视频中保留语音的语义控制面部表情

    本文介绍了一种新颖的深度学习方法，用于对 “野外” 视频中演员情绪状态的逼真操作。该方法基于演员输入场景中的参数化 3D 面部表示，并使用新颖的深度域转换框架，结合动态信息，以一致而可信的方式改变面部表情。经过广泛的定性和定量评估和比较，我们的方法证明了其有效性并取得了尤为有前途的结果。该方法可应用于电影后期制作、视频游戏和逼真的情感化头像等各种领域。

    Dec, 2021