Nhóm nghiên cứu phát triển kỹ thuật AI để phát hiện biểu cảm khuôn mặt 3D

Một nhóm nghiên cứu chung do Giáo sư Ki-Hun Jeong và Doheon Lee từ Viện Khoa học và Công nghệ Tiên tiến Hàn Quốc (KAIST) đứng đầu đã phát triển một kỹ thuật mới để phát hiện biểu cảm khuôn mặt bằng cách kết hợp các kỹ thuật máy ảnh trường ánh sáng cận hồng ngoại với trí tuệ nhân tạo (AI). ).

Nghiên cứu được công bố trong Hệ thống thông minh tiên tiến.

Máy ảnh trường ánh sáng

Máy ảnh trường ánh sáng chứa dãy vi thấu kính ở phía trước cảm biến hình ảnh và điều này cho phép chúng vừa vặn với điện thoại thông minh. Đồng thời, họ vẫn có thể thu được thông tin về không gian và hướng của ánh sáng chỉ bằng một lần chụp. 

Kỹ thuật hình ảnh này được sử dụng để tái tạo hình ảnh theo nhiều cách khác nhau, chẳng hạn như nhiều lần xem, lấy nét lại và thu nhận hình ảnh 3D. 

Như đã nói, kỹ thuật này có một số hạn chế. Các máy ảnh trường ánh sáng hiện tại đôi khi gặp khó khăn trong việc cung cấp độ tương phản hình ảnh chính xác và khả năng tái tạo 3D do bóng do các nguồn sáng bên ngoài trong môi trường gây ra. 

Nhóm nghiên cứu đã có thể ổn định độ chính xác của quá trình tái tạo hình ảnh 3D phụ thuộc vào ánh sáng môi trường và kỹ thuật này cho phép họ khắc phục những hạn chế của máy ảnh trường ánh sáng hiện có. Họ đã phát triển một máy ảnh mới được tối ưu hóa để tái tạo hình ảnh 3D của các biểu cảm trên khuôn mặt và họ đã sử dụng nó để thu được các hình ảnh tái tạo 3D chất lượng cao của các biểu cảm trên khuôn mặt với nhiều cảm xúc khác nhau. Họ có thể đạt được điều này bất kể điều kiện ánh sáng của môi trường.

Học máy để phân biệt biểu thức

Sau đó, nhóm đã sử dụng công nghệ máy học để phân biệt các nét mặt trong hình ảnh 3D thu được, đạt tỷ lệ chính xác 85%. Họ cũng tính toán sự phụ thuộc lẫn nhau của thông tin khoảng cách, thay đổi theo nét mặt trong hình ảnh 3D, để xác định thông tin mà camera trường ánh sáng sử dụng để phân biệt biểu cảm của con người. 

Giáo sư Ki-Hun Jeong cho biết: “Máy ảnh trường ánh sáng siêu nhỏ do nhóm nghiên cứu phát triển có tiềm năng trở thành nền tảng mới để phân tích định lượng biểu cảm và cảm xúc trên khuôn mặt của con người. 

Nghiên cứu này có thể có tác động lớn đến một loạt các ngành công nghiệp. 

 Ông nói: “Nó có thể được áp dụng trong nhiều lĩnh vực khác nhau bao gồm chăm sóc sức khỏe di động, chẩn đoán tại hiện trường, nhận thức xã hội và tương tác giữa người và máy.