Personalized Feature Translation for Expression Recognition: An Efficient Source-Free Domain Adaptation Method
Created by
Haebom
저자
Masoumeh Sharafi, Soufiane Belharbi, Houssem Ben Salem, Ali Etemad, Alessandro Lameiras Koerich, Marco Pedersoli, Simon Bacon, Eric Granger
개요
본 논문은 소스 데이터 없이, 중립적인 표정만 포함된 비표지된 타겟 데이터만을 사용하여 얼굴 표정 인식(FER) 모델의 성능을 향상시키는 새로운 소스 없는 도메인 적응(SFDA) 방법인 개인화된 특징 변환(PFT)을 제안합니다. 기존의 SFDA 방법들은 다양한 클래스의 데이터를 필요로 하지만, PFT는 중립 표정 데이터만을 사용하여 특징 변환을 수행합니다. 이는 잠재 공간에서 동작하는 경량의 변환기를 사용하여 이미지 생성의 복잡성과 노이즈를 피하고, 표현 일관성과 스타일 인식 목표의 조합을 최적화하여 표정 정보를 보존합니다. 결과적으로 계산 비용을 줄이고 효율적인 모델 적응을 가능하게 합니다.
시사점, 한계점
•
시사점:
◦
소스 데이터 없이 중립 표정 데이터만으로도 FER 모델의 성능 향상이 가능함을 보여줌.
◦
기존 이미지 변환 기반 SFDA 방법보다 계산 효율성이 높고, 데이터 프라이버시 및 저장 공간 문제 해결에 기여.
◦
잠재 공간에서의 변환을 통해 이미지 생성의 복잡성과 노이즈를 감소시킴.
•
한계점:
◦
중립 표정 데이터만을 사용하기 때문에, 다양한 표정 데이터를 사용하는 방법에 비해 성능 향상의 한계가 있을 수 있음.
◦
제안된 방법의 성능이 다양한 타겟 도메인 데이터에 얼마나 일반화될 수 있는지에 대한 추가적인 연구가 필요함.
