深度神经网络数据增强：用于情感分析的人脸生成
计算机视觉与模式识别
2019-07-18 v2 人工智能
机器学习
摘要
本文提出了一种合成面部情感的新方法；情感可表示为六种基本表情（即愤怒、厌恶、恐惧、喜悦、悲伤和惊讶），或表示为效价（即情感的积极或消极程度）与唤醒度（即情感激活的强度）。所提方法接受以下输入：i) 人物的中性2D图像；ii) 待生成的基本面部表情或一对效价-唤醒度（VA）情绪状态描述符，或待生成为图像序列的2D VA空间中的情感路径。为了合成该人物的VA情感，对来自4DFAB数据库的帧进行了标注。情感合成通过以下方式实现：在中性图像上拟合3D可变形模型，然后变形重建的人脸并添加输入的表情，再将带有新表情的人脸融合回原始图像。定性实验表明，当中性图像取自十三个知名的实验室受控或真实场景数据库（包括Aff-Wild、AffectNet、RAF-DB）时，可生成逼真图像；与生成对抗网络（GANs）的对比显示了所提方法实现的更高质量。随后进行了定量实验，其中合成图像被用于训练深度神经网络以在所有数据库上进行情感识别的数据增强；在所有情况下，与最先进的方法以及基于GAN的数据增强相比，均取得了大幅提升的性能。
引用
@article{arxiv.1811.05027,
title = {Deep Neural Network Augmentation: Generating Faces for Affect Analysis},
author = {Dimitrios Kollias and Shiyang Cheng and Evangelos Ververas and Irene Kotsia and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:1811.05027},
year = {2019}
}