來自 WSJ 的消息,位于倫敦的初創(chuàng)公司Realeyes近日獲得了歐盟360萬歐元(390萬美元)的撥款獎勵。
Realeyes 創(chuàng)立于2007年,利用圖像處理、人工智能、計算機視覺等技術幫助,通過使用網(wǎng)絡攝像頭或智能手機監(jiān)測追蹤人的面部表情數(shù)據(jù),以進行人的情緒識別和行為反 應分析。目前,Realeyes已建立起超過500萬幀的人臉數(shù)據(jù)庫,每一幀都有多達7個面部動作注解,比如皺眉意味著困惑,而眉毛向上抬起則表示驚訝。 此外還會有其他面部特征幫助一起進行情緒識別,使分析結(jié)果更有說服力。
此外,這項技術將會自動檢測人的性別和年齡,并且還會與其他數(shù)據(jù)庫信息進行合并,從而建立起更為具體的個人信息。
Realeyes近日獲得的歐盟這筆資助將與來自倫敦帝國理工學院和德國帕紹大學的研究者、以及英國博彩公司PlayGen共同分享,以試圖深入研究測量人的情緒,從而識別人們是否對于自己看到的事物表現(xiàn)出喜歡的態(tài)度。
Realeyes 的支持者認為這項技術將有非常好的應用前景,例如可以提升駕駛員的安全性,提高課堂教學效率,幫助警察測謊等。而在商業(yè)方面,可以幫助商家進行視頻廣告監(jiān) 測和內(nèi)容的重塑。比如AOL可以利用這項技術監(jiān)測什么樣的視頻廣告內(nèi)容可以讓用戶產(chǎn)生興趣并能夠促使他們分享,從而制作提供更好的廣告內(nèi)容。
當然,Realeyes的這項技術也涉及到了個人隱私的問題,尤其是在歐洲個人隱私受到更為嚴格的法律保護。Realeyes方面表示,這項技術經(jīng)過了嚴格的審查,而且只有得到用戶非常明確的同意后他們才會進行視頻錄制和面部情緒研究。
CEO Mihkel Jäätma 認為,未來Realeyes將會進軍其他領域,尤其是他想創(chuàng)建一款心理健康產(chǎn)品,可以幫助人們變得快樂并且保持快樂。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術利用圖像間的不變幾何關系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術,通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。