โมเดลและแพลตฟอร์ม AI

ทีมวิจัยพัฒนาเทคนิค AI สำหรับการตรวจจับสีหน้า 3 มิติ

Alex McFarland
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
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

Alex เป็นผู้นำการดำเนินงานข่าวที่ใช้ AI ของ Unite.AI โดยผสานงานวารสารศาสตร์ การวิจัย และระบบอัตโนมัติ เพื่อสนับสนุนการรายงานข่าวด้านปัญญาประดิษฐ์อย่างทันท่วงทีและรองรับการขยายงาน งานของเขาช่วยให้ความก้าวหน้าใหม่ ๆ ด้าน AI ได้รับการนำเสนออย่างมีประสิทธิภาพ พร้อมรักษามาตรฐานบรรณาธิการของสำนักพิมพ์