211service.com
Wirtualne oczy trenują algorytm głębokiego uczenia się, aby rozpoznać kierunek spojrzenia
Kontakt wzrokowy jest jedną z najpotężniejszych form komunikacji niewerbalnej. Jeśli awatary i roboty mają kiedykolwiek to wykorzystać, informatycy będą musieli lepiej monitorować, rozumieć i odtwarzać to zachowanie.
Ale śledzenie wzroku jest łatwiejsze do powiedzenia niż do zrobienia. Być może najbardziej obiecującym podejściem jest wytrenowanie algorytmu uczenia maszynowego do rozpoznawania kierunku spojrzenia poprzez badanie dużej bazy danych obrazów oczu, w których kierunek patrzenia jest już znany.
Problem polega na tym, że duże bazy danych tego typu nie istnieją. A są trudne do stworzenia: wyobraź sobie fotografowanie osoby patrzącej w różnych kierunkach, używając różnych kątów kamery w różnych warunkach oświetleniowych. A potem robię to ponownie dla innej osoby o innym kształcie oczu i twarzy i tak dalej. Taki projekt byłby bardzo czasochłonny i kosztowny.
Dzisiaj Erroll Wood z University of Cambridge w Wielkiej Brytanii i kilku kumpli twierdzą, że rozwiązali ten problem, tworząc ogromną bazę danych zawierającą właśnie takie obrazy oczu, jakich wymaga algorytm uczenia maszynowego. To pozwoliło im wytrenować maszynę do rozpoznawania kierunku spojrzenia dokładniej niż kiedykolwiek wcześniej.
Więc jak oni to zrobili? Ich sztuczką jest stworzenie bazy danych całkowicie sztucznie. Zaczynają od zbudowania bardzo szczegółowego wirtualnego modelu oka, powieki i otaczającego ją obszaru. Następnie wbudowują ten model w różne twarze przedstawiające osoby w różnym wieku, o różnym kolorze skóry i typie oczu, a następnie fotografują je – wirtualnie.
Fotografie można opisać czterema różnymi zmiennymi. Są to: pozycja kamery, kierunek patrzenia, środowisko oświetleniowe i model oka. Aby stworzyć bazę danych, Wood i spółka zaczynają od konkretnego modelu oka i środowiska oświetleniowego, a następnie zaczynają od oczu skierowanych w określonym kierunku. Następnie zmieniają pozycję aparatu, robiąc zdjęcia pod różnymi kątami wokół głowy.
Następnie przesuwają oczy w inną pozycję i powtarzają zmiany w pozycji kamery. I tak dalej.
Rezultatem jest baza danych zawierająca ponad 11 000 obrazów obejmujących 40-stopniowe zmiany kąta kamery i zmiany zmienności spojrzenia powyżej 90 stopni. Dla każdego obrazu losowo wybrali kolor oczu i warunki oświetlenia otoczenia.
Wreszcie Wood i spółka wykorzystali zestaw danych do wytrenowania głębokiej, konwolucyjnej sieci neuronowej w rozpoznawaniu kierunku spojrzenia. Przetestowali otrzymany algorytm na zestawie naturalnych zdjęć zrobionych na wolności. Wykazaliśmy, że nasza metoda przewyższa najnowocześniejsze metody szacowania spojrzenia na podstawie zestawu danych na podstawie wyglądu w środowisku naturalnym.
To interesująca praca. Techniki głębokiego uczenia się obecnie zdobywają popularność informatyki dzięki dwóm postępom. Pierwszym z nich jest lepsze zrozumienie samych sieci neuronowych, co pozwoliło informatykom na ich znaczne ulepszenie.
Drugi to tworzenie ogromnych zestawów danych z adnotacjami, które można wykorzystać do trenowania tych sieci. Wiele z tych nowych zestawów danych zostało utworzonych przy użyciu metod crowdsourcingu, takich jak Amazon Mechanical Turk.
Ale Wood i spółka przyjęli inne podejście. Ich zbiór danych jest całkowicie syntetyczny, tworzony wewnątrz komputera. Dlatego ciekawie będzie zobaczyć, gdzie jeszcze mogą zastosować tę syntetyczną metodę do tworzenia zestawów danych dla innych rodzajów głębokiego uczenia się.
Nr ref.: arxiv.org/abs/1505.05916 : Renderowanie oczu w celu rejestracji kształtu oka i szacowania spojrzenia