UNSER KOLLEKTIVES FACEPALM IST SO SCHLECHT GEWORDEN, AI FORSCHER WIDMEN IHR ZEIT - TECHCRUNCH - SOZIALEN MEDIEN - 2018

Anonim

OK, vielleicht haben die Ereignisse der letzten Monate die Nadel nur ein wenig bewegt, aber die Tatsache bleibt, dass wir eine Menge von Bildern von uns selbst mit unseren Händen nehmen, die unsere Gesichter bedecken. Und es stellt sich heraus, dass dies ein ziemlich ernstes Problem für die Gesichtserkennung ist.

Ja, ich hatte Spaß daran, dies 47 Mal in meinem lokalen Café zu versuchen.

Wenn Sie jemals versucht haben, einen Filter in Snapchat oder Facebook zu verwenden, haben Sie vielleicht bemerkt, wie einfach es ist, alles wegzuwerfen. Hände neigen dazu, ein besonderer Schmerz für diese Art von Computer Vision zu sein, weil sie so viele Eigenschaften mit Gesichtern teilen - Farbe, Textur usw.

Ein Forscherteam der University of Central Florida und der Carnegie Mellon University widmete sich der Behandlung von Problemen, die die Okklusion für die KI mit sich bringt. Das vierköpfige Team schuf eine Methode, um Bilder von Händen zu synthetisieren, die Gesichter verdecken. Diese Daten können verwendet werden, um die Leistung existierender Gesichtserkennungsmodelle zu verbessern und möglicherweise sogar eine genauere Erkennung von Emotionen zu ermöglichen.

Typischerweise arbeiten Gesichtserkennungsmodelle, indem sie Orientierungspunkte identifizieren. Obwohl nicht ganz explizit, ist die geometrische Beziehung zwischen Mund und Augen entscheidend für die Erkennung.

Trotz der Tatsache, dass wir unsere Gesichter regelmäßig mit unseren Händen verdecken, wurde sehr wenig Forschung zur Gesichtserkennung mit Handokklusion betrieben. Es gibt einfach nicht sehr viele Daten, sauber organisierte und eingebürgerte Bilder, um den Durst tiefer Lernmodelle zu stillen.

"Wir haben Modelle gebaut und wir haben gemerkt, dass visuelle Modelle mehr versagten, als sie sollten", erklärte Behnaz Nojavanasghari, einer der Forscher, in einem Interview. "Dies war mit Gesichts-Okklusion verbunden."

Aus diesem Grund ist die Erstellung einer Pipeline für die Bildsynthese so hilfreich. Durch das Maskieren der Hände von ihren Originalbildern können sie auf neue Bilder angewendet werden, die keine Okklusion aufweisen. Das wird ziemlich schwierig, weil die Platzierung und das Aussehen der Hände nach der digitalen Transplantation natürlich aussehen müssen.

Synthetisierte Bilder werden farbkorrigiert, skaliert und ausgerichtet, um ein reales Bild zu emulieren. Einer der Vorteile dieses Ansatzes besteht darin, dass ein Datensatz erstellt wird, der genau das gleiche Bild mit Okklusion und ohne Okklusion enthält.

Der Nachteil ist, dass das Forschungsteam keinen realen, nicht-synthetisierten Datensatz zum Vergleich hatte. Obwohl Nojavan zuversichtlich war, dass die erzeugten Bilder nicht perfekt sind, sind sie gut genug, um die Forschung in der Nische voranzutreiben.

"Die Hände haben ein großes Maß an Freiheit", fügte Nojavanasghari hinzu. "Wenn du es mit natürlichen Daten machen willst, ist es schwierig, Leute dazu zu bringen, alle möglichen Gesten zu machen. Wenn du Leute trainierst, um Gesten zu machen, ist das nicht naturalistisch."

Wenn Hände das Gesicht bedecken, erzeugen sie Unsicherheit und entfernen wichtige Informationen, die normalerweise aus einem Gesichtsbild extrahiert werden können. Aber Hände fügen auch Informationen hinzu. Eine unterschiedliche Handplatzierung kann Überraschung, Angst und einen vollständigen Rückzug aus der Welt und deren Fehlfunktion zum Ausdruck bringen.

Startups wie Affectiva machen es sich zur Aufgabe, Emotionen aus Bildern zu interpretieren. Die Verbesserung der Gesichtserkennung und insbesondere der emotionalen Erkennung findet breite Anwendung in der Werbung, in der Benutzerforschung und in der Robotik, um nur einige zu nennen. Und es könnte Snapchat ein bisschen weniger dazu bringen, deine Hand für dein Gesicht zu halten.

Natürlich könnte es auch der Maschinenintelligenz helfen, mit der offiziellen Geste des Jahres 2017 Schritt zu halten.

Hut Tipp: Paige Bailey

[email protected] ArXiV hat gerade eine wissenschaftliche Arbeit über Face-Palming veröffentlicht. Ich liebe diese Disziplin. #MachineLearning //t.co/BPPId7Itii pic.twitter.com/DFpZmNHi77

- @DynamicWebPaige (@DynamicWebPaige) 20. August 2017