Modele i platformy AI
Zespół badawczy opracowuje technikę AI do wykrywania wyrazów twarzy w 3D
Kluczowe punktyTechnika światłopolowa KAIST pokonuje cienie, umożliwiając stabilną rekonstrukcję…
Zobacz więcej
- Technika światłopolowa KAIST pokonuje cienie, umożliwiając stabilną rekonstrukcję twarzy w 3D.
- Uczenie maszynowe na obrazach 3D osiągnęło 85% dokładności w rozróżnianiu wyrazów twarzy.
- Technika ta umożliwia zastosowania w mobilnej opiece zdrowotnej i interakcji człowiek-maszyna.
Wspólny zespół badawczy pod kierownictwem profesorów Ki-Hun Jeong i Doheon Lee z Korea Advanced Institute of Science and Technology (KAIST) opracował nową technikę wykrywania wyrazów twarzy, łącząc techniki kamer pola świetlnego w bliskiej podczerwieni ze sztuczną inteligencją (AI).
Badania zostały opublikowane w Advanced Intelligent Systems.
Kamery pola świetlnego
Kamery pola świetlnego zawierają matryce mikrosoczewek w przedniej części czujnika obrazu, co pozwala im zmieścić się w smartfonie. Jednocześnie mogą one nadal pozyskiwać informacje przestrzenne i kierunkowe światła za pomocą jednego zdjęcia.
Ta technika obrazowania jest używana do odtworzenia obrazów na wiele sposobów, takich jak obrazy z wielu punktów widzenia, ponowne ustawianie ostrości i pozyskiwanie obrazów 3D.
Jednak ta technika ma pewne ograniczenia. Istniejące kamery pola świetlnego miały trudności z dostarczaniem dokładnego kontrastu obrazu i odtworzenia 3D ze względu na cienie spowodowane przez zewnętrzne źródła światła w środowisku.
Zespół badawczy był w stanie ustabilizować dokładność odtworzenia obrazu 3D, który zależy od światła środowiskowego, a technika pozwoliła im pokonać ograniczenia istniejących kamer pola świetlnego. Opracowali nową kamerę, zoptymalizowaną do odtworzenia 3D wyrazów twarzy, i użyli jej do pozyskania wysokiej jakości obrazów 3D wyrazów twarzy różnych emocji. Mogli to osiągnąć niezależnie od warunków oświetlenia środowiska.
Uczenie maszynowe do rozróżniania wyrazów twarzy
Następnie zespół użył uczenia maszynowego do rozróżniania wyrazów twarzy w pozyskanych obrazach 3D, co osiągnęło 85% wskaźnik dokładności. Obliczyli również współzależność informacji odległości, która zmienia się wraz z wyrazem twarzy w obrazach 3D, aby zidentyfikować informacje, które kamera pola świetlnego używa do rozróżniania ludzkich wyrazów twarzy.
“Subminiaturowa kamera pola świetlnego opracowana przez zespół badawczy ma potencjał, aby stać się nową platformą do ilościowego analizowania wyrazów twarzy i emocji ludzi”, powiedział profesor Ki-Hun Jeong.
To badanie może mieć duży wpływ na szeroki zakres branż.
“Może być stosowane w różnych dziedzinach, w tym w mobilnej opiece zdrowotnej, diagnostyce terenowej, społecznej percepcji i interakcjach człowiek-maszyna”, powiedział.












