微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 情绪识别研究公司 Realeyes 获欧盟360万欧元拨款支持

情绪识别研究公司 Realeyes 获欧盟360万欧元拨款支持

2015-04-20 11:13
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-04-20 11:13 36氪

情绪识别研究公司 Realeyes 获欧盟360万欧元拨款支持

来自 WSJ 的消息,位于伦敦的初创公司Realeyes近日获得了欧盟360万欧元(390万美元)的拨款奖励。

Realeyes 创立于2007年,利用图像处理、人工智能、计算机视觉等技术帮助,通过使用网络摄像头或智能手机监测追踪人的面部表情数据,以进行人的情绪识别和行为反 应分析。目前,Realeyes已建立起超过500万帧的人脸数据库,每一帧都有多达7个面部动作注解,比如皱眉意味着困惑,而眉毛向上抬起则表示惊讶。 此外还会有其他面部特征帮助一起进行情绪识别,使分析结果更有说服力。

此外,这项技术将会自动检测人的性别和年龄,并且还会与其他数据库信息进行合并,从而建立起更为具体的个人信息。

情绪识别研究公司 Realeyes 获欧盟360万欧元拨款支持

Realeyes近日获得的欧盟这笔资助将与来自伦敦帝国理工学院和德国帕绍大学的研究者、以及英国博彩公司PlayGen共同分享,以试图深入研究测量人的情绪,从而识别人们是否对于自己看到的事物表现出喜欢的态度。

Realeyes 的支持者认为这项技术将有非常好的应用前景,例如可以提升驾驶员的安全性,提高课堂教学效率,帮助警察测谎等。而在商业方面,可以帮助商家进行视频广告监 测和内容的重塑。比如AOL可以利用这项技术监测什么样的视频广告内容可以让用户产生兴趣并能够促使他们分享,从而制作提供更好的广告内容。

当然,Realeyes的这项技术也涉及到了个人隐私的问题,尤其是在欧洲个人隐私受到更为严格的法律保护。Realeyes方面表示,这项技术经过了严格的审查,而且只有得到用户非常明确的同意后他们才会进行视频录制和面部情绪研究。

CEO Mihkel Jäätma 认为,未来Realeyes将会进军其他领域,尤其是他想创建一款心理健康产品,可以帮助人们变得快乐并且保持快乐。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-