GReFEL: Geometry-Aware Reliable Facial Expression Learning under Bias and Imbalanced Data Distribution 幾何学に基づく信頼性の高い顔表情学習のためのGReFEL：バイアスと不均衡データ分布下での適用

信頼性のある顔表情学習（Facial Expression Learning: FEL）は、実際の状況においてより信頼性が高く、偏りがなく、正確な予測を行うために、顔表情の特徴を効果的に学習することを指します。しかし、現在のシステムはFELタスクに苦戦しています。これは、人々の個々の顔構造、動き、トーン、および人口統計学的な特性により顔表情に変動があるためです。偏ったデータセットや不均衡なデータセットはこの課題をさらに複雑にし、誤った予測ラベルや偏った予測ラベルを生み出します。これらの問題に対処するため、我々はGReFELを提案します。この手法では、ビジョントランスフォーマーと顔幾何学に基づくアンカーを使用した信頼性バランス調整モジュールを活用して、不均衡なデータ分布、バイアス、および不確実性に対抗します。ローカルデータとグローバルデータを統合し、異なる顔データポイントと構造的特徴を学習するアンカーを使用することで、クラス内差異（intra-class disparity）、クラス間類似性（inter-class similarity）、およびスケール感度（scale sensitivity）によって引き起こされる感情の偏りや誤ラベリングを調整します。これにより、包括的で正確かつ信頼性の高い顔表情予測が可能となります。我々のモデルは様々なデータセットに対する広範な実験によって示されているように、現行の最先端手法よりも優れた性能を発揮します。