Nhóm Nghiên cứu Phát triển Kỹ thuật Trí tuệ Nhân tạo để Phát hiện Biểu cảm Khuôn mặt 3D

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

Nghiên cứu này đã được công bố trên Hệ thống Thông minh Tiên tiến.

Camera Trường Ánh sáng

Camera trường ánh sáng chứa các mảng thấu kính nhỏ ở phía trước cảm biến hình ảnh, và điều này cho phép chúng phù hợp với một điện thoại thông minh. Đồng thời, chúng vẫn có thể thu được thông tin không gian và hướng của ánh sáng với 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 góc nhìn, tái tập trung và thu được hình ảnh 3D.

Tuy nhiên, kỹ thuật này có một số hạn chế. Các camera trường ánh sáng hiện có đã gặp khó khăn trong việc cung cấp độ tương phản hình ảnh chính xác và tái tạo 3D tại một số thời điểm do bóng tối gây ra bởi các nguồn ánh sáng bên ngoài trong môi trường.

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

Trí tuệ Nhân tạo để Phân biệt Biểu cảm

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

“Camera trường ánh sáng siêu nhỏ được phát triển bởi nhóm nghiên cứu có tiềm năng trở thành nền tảng mới để phân tích lượng biểu cảm và cảm xúc của con người,” Giáo sư Ki-Hun Jeong nói.

Nghiên cứu này có thể có tác động lớn đến nhiều ngành công nghiệp khác nhau.

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