En gruppe forskere fra Imperial College London, har skabt den mest præcise til dato digital model af et menneskeligt ansigt. Deres udvikling, ifølge skaberne, er “gennemsnitlige maksimale grænse”, og så kan det bruges til at skabe tredimensionelle modeller af menneskelige ansigter i videospil, film, systemer og teknologier til at forbedre ansigtsgenkendelse.
Som regel, når du opretter computer modeller af enkeltpersoner, der bruger metoden, tre-dimensionelle morfologisk model (3D morphable model, eller 3DMM). Som en “ramme”, der er brugt noget som en ramme, som er et sæt af parametre, der karakteriserer afvigelse af de vigtigste punkter. Hver parameter, der skal konfigureres manuelt, og derefter bringe til at tænke på den endelige model i 3D-editor. Britiske forskere har udviklet en metode til fuldt ud at automatisere processen med udarbejdelse af en 3DMM model, der giver mulighed for at inkludere data fra et tilstrækkeligt stort antal mennesker. Deres algoritme bygger automatisk snapshots af en persons ansigt i henhold til deres rumlige orientering og deres base er en tre-dimensionel model. Hertil kommer, at bruge den samme algoritme til at afsløre fejl og fjerne dem fra de endelige resultater.
I processen med at udvikle et edb-system har analyseret et stort antal af billeder af ansigter af mennesker af forskellig alder, nationalitet og køn. Data blev indsamlet medium model af et menneskeligt ansigt, kaldet facial Stor skala model (LSFM). Nye LSFM model blev anvendt til at generere 100’s af tusindvis af billeder, der bruges til at træne den kunstige intelligens, der er baseret på neurale netværk. Så det neurale er i stand til at konvertere to-dimensionelle billeder af folks ansigter i en temmelig præcis tre-dimensionelle model.
Forskerne forsøger nu at forbedre algoritmen til at “undervise” systemet til at genkende menneskelige følelser, som i høj grad vil forbedre de allerede rige muligheder for den nye metode til 3D-modellering.
Oprettet den mest præcise til dato 3D-model af et menneskeligt ansigt
Vladimir Kuznetsov