動画からの表情変化特徴の抽出と雰囲気・個性のモデリングのための表情の解析

• Item type: SIG Technical Reports(1)
• 公開日: 2022-06-20
• タイトル: 動画からの表情変化特徴の抽出と雰囲気・個性のモデリングのための表情の解析
• タイトル / 言語: en
• タイトル: Modeling Facial expressions from Video for the Analysis of Atmosphere and Personality
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 株式会社コーセー研究所
• 著者所属: 株式会社コーセー研究所
• 著者所属: 統計数理研究所
• 著者名: 小竹山, 祐輝; 中村, 理恵; 持橋, 大地
• 著者名(英): Yuki, Kotakeyama; Rie, Nakamura; Daichi, Mochihashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 表情には個人の感情や雰囲気，印象など様々な情報が含まれており，近年，表情解析研究が盛んに行われ，社会実装され始めている．一方，これら表情解析の研究の多くは，感情推定タスクに代表されるような，教師あり学習によって表情を既存のある表情カテゴリに分類する研究であり，個人における表情特徴を明らかにするための解析手法はほとんど検討されていない．これに対し，本研究では教師なし学習による表情分類により，現実世界にどのような表情が存在するかを明らかにすることで，個人の表情パターン，雰囲気・個性の定量化を実現することを目指した．本表情解析手法の開発において，表情分類の際の個人の顔特徴に対する頑健性，顔ブレに対する頑健性，表情の文脈に重要な強度と表情パターン情報を保持した状態で高次元で高精度に分類する技術などが求められ，多くの技術的課題がある．本研究では上記を配慮して，現実データに応用性の高い解析フレームワークを提案する．具体的には，顔の造形に頑健な表情変化特徴量設計と正面化補正，表情強度による 1 段階目分類，主成分分析による特徴量の次元圧縮後，周辺化ギブスサンプリングによってガウス混合モデルを用いた 2 段階目分類を行う．コーセー化粧品販売員のオンラインカウンセリング研修動画を対象に実験した結果，販売員間の表情変化パターンの違いが示唆され，本解析手法の有効性が示されたため報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Facial expressions contain various information such as emotions and moods, and facial expression analysis studies have been conducted extensively. Most of these studies classify facial expressions into certain existing categories by supervised learning, such as emotion estimation, and few analysis methods have been investigated to reveal the characteristics of facial expressions of individuals. Therefore, in this study, we aimed at quantification of individual facial expression patterns and moods by using unsupervised learning for expression classification to identify real facial expressions. Expression classification requires robustness to individual facial features and blurring, and analysis that preserves context-important intensity and pattern information. In this study, we propose a framework suitable for real-world data analysis that takes the above into consideration. Specifically, we design and frontalize facial expression change features, perform first classification based on facial expression intensity, perform dimensionality compression of features using principal component analysis, and perform second classification using GMM with collapsed Gibbs sampling. Experimental results on online counseling training videos of KOSE cosmetics salespeople suggest differences in facial expressions among salespeople, and the effectiveness of this analysis method is reported.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2022-MPS-138, 号 33, p. 1-8, 発行日 2022-06-20
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会