โมเดลและแพลตฟอร์ม AI
ทีมวิจัยพัฒนาเทคนิค AI สำหรับการตรวจจับสีหน้า 3 มิติ
ประเด็นสำคัญกล้องไลต์ฟิลด์ของ KAIST ช่วยเอาชนะปัญหาการบังเงาเพื่อการสร้างภาพใบหน้าแบบ 3…
ดูเพิ่มเติม
- กล้องไลต์ฟิลด์ของ KAIST ช่วยเอาชนะปัญหาการบังเงาเพื่อการสร้างภาพใบหน้าแบบ 3 มิติที่เสถียร
- การเรียนรู้ของเครื่องบนภาพ 3 มิติทำความแม่นยำได้ 85% ในการจำแนกสีหน้าท่าทาง
- เทคนิคนี้ช่วยให้เกิดการประยุกต์ใช้ด้านการดูแลสุขภาพผ่านมือถือและปฏิสัมพันธ์ระหว่างมนุษย์กับเครื่องจักร
ทีมวิจัยร่วมนำโดย ศาสตราจารย์ Ki-Hun Jeong และ Doheon Lee จาก Korea Advanced Institute of Science and Technology (KAIST) ได้พัฒนาเทคนิคใหม่สำหรับการตรวจจับสีหน้าโดยการรวมเทคนิคกล้องสนามแสงย่านอินฟราเรดใกล้ กับเทคโนโลยี AI (Artificial Intelligence)
การวิจัยนี้ได้รับการตีพิมพ์ใน Advanced Intelligent Systems.
กล้อง Light-Field
กล้อง Light-Field มีอาร์เรย์ไมโครเลนส์อยู่หน้าเซ็นเซอร์ภาพ ทำให้สามารถใส่ลงในสมาร์ทโฟนได้ ในขณะเดียวกันก็สามารถบันทึกข้อมูลพื้นที่และทิศทางของแสงได้ด้วยการถ่ายภาพเพียงครั้งเดียว
เทคนิคการถ่ายภาพนี้ใช้ในการสร้างภาพในหลายรูปแบบ เช่น มุมมองหลายมุม การโฟกัสซ้ำ และการบันทึกภาพ 3 มิติ
อย่างไรก็ตาม เทคนิคนี้มีข้อจำกัด กล้อง Light-Field ที่มีอยู่เดิมมีปัญหาในการให้ความแตกต่างของภาพและสร้างภาพ 3 มิติที่แม่นยำเนื่องจากเงาจากแหล่งกำเนิดแสงภายนอก
ทีมวิจัยสามารถทำให้ความแม่นยำของการสร้างภาพ 3 มิติที่ขึ้นอยู่กับแสงจากสภาพแวดล้อมมีความเสถียร และเทคนิคนี้ช่วยให้พวกเขาเอาชนะข้อจำกัดของกล้อง Light-Field ที่มีอยู่เดิม พวกเขาพัฒนากล้องใหม่ที่ได้รับการปรับให้เหมาะสมสำหรับการสร้างภาพ 3 มิติของสีหน้า และใช้เพื่อบันทึกภาพ 3 มิติที่มีคุณภาพสูงของสีหน้าในหลายอารมณ์ โดยไม่คำนึงถึงสภาพแวดล้อมของแสง
การเรียนรู้ของเครื่องเพื่อจำแนกสีหน้า
จากนั้นทีมวิจัยใช้การเรียนรู้ของเครื่องเพื่อแยกสีหน้าในภาพ 3 มิติที่บันทึกได้ โดยให้ผลลัพธ์ที่มีความแม่นยำถึง 85% พวกเขายังคำนวณความสัมพันธ์ของข้อมูลระยะทางที่เปลี่ยนแปลงไปตามสีหน้าในภาพ 3 มิติ เพื่อระบุข้อมูลที่กล้อง Light-Field ใช้ในการจำแนกสีหน้าของมนุษย์
“กล้อง Light-Field ขนาดเล็กที่ทีมวิจัยพัฒนามีศักยภาพที่จะกลายเป็นแพลตฟอร์มใหม่ในการวิเคราะห์สีหน้าและอารมณ์ของมนุษย์ในเชิงปริมาณ” ศาสตราจารย์ Ki-Hun Jeong กล่าว
การวิจัยนี้อาจมีผลกระทบอย่างมากต่ออุตสาหกรรมต่างๆ
“มันสามารถนำไปใช้ในหลายสาขา รวมถึงการดูแลสุขภาพแบบมือถือ การวินิจฉัยในสนาม การรับรู้ทางสังคม และการโต้ตอบระหว่างมนุษย์และเครื่องจักร” เขากล่าว












