A.I.AI
CLIP埋め込み空間におけるテキスト誘導特徴補完による遮蔽に頑健な表情認識
Text-Guided Feature Completion in the CLIP Embedding Space for Occlusion-Robust Facial Expression Recognition
MSSensors · MDPI · CC BY 4.0
AIが原文を翻訳・要約しています
手やマスクなどによる顔の遮蔽に頑健な表情認識(FER)向け手法「TeCoRe」が提案された。本手法は、完全に凍結したCLIPエンコーダの視覚・言語埋め込み空間内で、テキスト感情埋め込みを条件として遮蔽パッチトークンを直接復元する。CLIPバックボーンを固定し約2,700万パラメータのみの訓練で動作し、Occlusion-RAF-DBで91.42%、Occlusion-FERPlusで84.79%、Occlusion-AffectNetで62.42%の精度を達成した。
KEY POINTS要点記事から抽出した重要情報
- 凍結したCLIPエンコーダの埋め込み空間を活用し、約2,700万パラメータの訓練のみで遮蔽に頑健な表情認識を行う新手法「TeCoRe」が提案された。
CONTEXT文脈編集部による背景整理
凍結済みの大規模基盤モデルを活用し、わずか約2,700万パラメータの軽量な追加学習で遮蔽に強い表情認識を実現した点は、計算コスト抑制と実環境向けエッジ展開の観点から注目されます。車室内ドライバー監視や医療・セキュリティ端末など、マスクや手による遮蔽が常態化する領域での組込み需要が見込まれます。
原文を読むAnalyzed at 2026年10月16日 03:02