AffectFlow-DINOは、第11回ABAWチャレンジのために設計された革新的なマルチタスク感情推定システムです。このシステムは、条件付き整流流ヘッドを導入することで、従来の決定論的アーキテクチャを拡張し、野生環境における顔行動の本質的な曖昧性を効果的に処理します。従来の手法は単一の感情推定値のみを出力するのに対し、AffectFlow-DINOは条件付き生成分布を学習し、モンテカルロサンプリングを通じて不確実性を考慮した一対多予測を実現します。これにより、実際の世界における感情表現の多様性と不確実性をより適切に反映できます。
このシステムは、静止顔画像から連続的な価値・覚醒度の回帰推定、8つの基本表情（幸福、悲しみ、怒り、恐怖、嫌悪、驚き、軽蔑、中性）の分類、および12の顔アクションユニットの検出を同時に行います。ベースアーキテクチャには凍結されたDINOv3 ViT-S/16バックボーンが使用されており、大規模画像データで事前学習された豊富な顔特徴を抽出できます。広範なアブレーション研究により、整流流デコーディングが決定論的予測を一貫して改善し、特に価値・覚醒度推定において一致相関係数（CCC-V）が0.058向上することが示されました。
さらに、再学習を必要としない後処理しきい値調整技術により、不均衡な稀なクラスの性能が大幅に回復されました。例えば、恐怖表情の認識精度は3.8%から33.1%に向上しました。バックボーンの微調整とフローの再調整を組み合わせることで、最終モデルの総合指標P_MTLは1.177を達成し、公式チャレンジベースラインの0.45を大きく上回りました。この研究は、感情計算の分野における不確実性モデリングの新しいアプローチを提供し、より正確でロバストな顔行動分析システムの発展に貢献することが期待されます。本論文はarXiv:2607.13250として公開され、Salah Eddine Bekhoucheら4名の著者によるものです。