211service.com
Virtuelle Augen trainieren Deep-Learning-Algorithmus zur Erkennung der Blickrichtung
Augenkontakt ist eine der stärksten Formen der nonverbalen Kommunikation. Wenn Avatare und Roboter es jemals ausnutzen sollen, müssen Informatiker dieses Verhalten besser überwachen, verstehen und reproduzieren.
Aber Eyetracking ist leichter gesagt als getan. Der vielleicht vielversprechendste Ansatz besteht darin, einen Algorithmus für maschinelles Lernen zu trainieren, um die Blickrichtung zu erkennen, indem eine große Datenbank mit Bildern von Augen untersucht wird, in denen die Blickrichtung bereits bekannt ist.
Das Problem dabei ist, dass große Datenbanken dieser Art nicht existieren. Und sie sind schwer zu erstellen: Stellen Sie sich vor, Sie fotografieren eine Person, die in eine Vielzahl von Richtungen blickt, und dabei alle möglichen Kamerawinkel und viele verschiedene Lichtverhältnisse verwendet. Und dann noch einmal für eine andere Person mit einer anderen Augenform und einem anderen Gesicht und so weiter. Ein solches Projekt wäre sehr zeitaufwändig und teuer.
Heute sagen Erroll Wood von der University of Cambridge in Großbritannien und ein paar Freunde, dass sie dieses Problem gelöst haben, indem sie eine riesige Datenbank mit genau der Art von Augenbildern erstellt haben, die ein maschineller Lernalgorithmus benötigt. Dadurch konnten sie eine Maschine so trainieren, dass sie die Blickrichtung genauer als je zuvor erkennt.
Wie haben sie das gemacht? Ihr Trick besteht darin, die Datenbank vollständig künstlich zu erstellen. Sie beginnen mit dem Bau eines hochdetaillierten virtuellen Modells eines Auges, eines Augenlids und der Region darum herum. Anschließend bauen sie dieses Modell in verschiedene Gesichter ein, die Menschen unterschiedlichen Alters, unterschiedlicher Hautfarbe und Augentypen darstellen, und fotografieren sie – virtuell.
Die Fotografien können durch vier verschiedene Variablen beschrieben werden. Diese sind: Kameraposition, Blickrichtung, Lichtumgebung und Augenmodell. Um die Datenbank zu erstellen, beginnen Wood und Co mit einem bestimmten Augenmodell und einer bestimmten Beleuchtungsumgebung und beginnen damit, dass die Augen in eine bestimmte Richtung zeigen. Dann variieren sie die Kameraposition und fotografieren aus den unterschiedlichsten Winkeln rund um den Kopf.
Als nächstes bewegen sie die Augen in eine andere Position und wiederholen die Variationen der Kameraposition. Und so weiter.
Das Ergebnis ist eine Datenbank mit mehr als 11.000 Bildern, die 40-Grad-Variationen des Kamerawinkels und Änderungen der Blickvariation über 90 Grad abdecken. Sie wählten die Augenfarbe und die Umgebungslichtbedingungen für jedes Bild zufällig aus.
Schließlich verwendeten Wood und Co. den Datensatz, um ein neuronales Deep Convolutional Network zu trainieren, um die Blickrichtung zu erkennen. Und sie testeten den resultierenden Algorithmus an einer Reihe natürlicher Bilder aus der Wildnis. Wir haben gezeigt, dass unsere Methode modernste Methoden zur datensatzübergreifenden, auf dem Aussehen basierenden Blickschätzung in freier Wildbahn übertrifft, sagen sie.
Das ist eine interessante Arbeit. Dank zweier Fortschritte erobern Deep-Learning-Techniken derzeit die Informatik im Sturm. Der erste ist ein besseres Verständnis der neuronalen Netze selbst, das es Informatikern ermöglicht hat, sie erheblich zu verbessern.
Die zweite ist die Erstellung riesiger annotierter Datensätze, die zum Trainieren dieser Netzwerke verwendet werden können. Viele dieser neuen Datensätze wurden mit Crowd-Sourcing-Methoden wie Amazons Mechanical Turk erstellt.
Aber Wood und Co haben einen anderen Ansatz gewählt. Ihr Datensatz ist vollständig synthetisch und wird in einem Computer erstellt. Es wird also interessant sein zu sehen, wo sie diese synthetische Methode sonst noch anwenden können, um Datensätze für andere Arten von Deep Learning zu erstellen.
Ref: arxiv.org/abs/1505.05916 : Rendering von Augen für die Augenformregistrierung und Blickschätzung