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。
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。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。