محققان به تازگی فریمورک نوآورانه MiRA را برای مدلهای بینایی ماشین (ViT) معرفی کردهاند که تحولی در درک احساسات چهره در ویدیوها ایجاد میکند. 🎥
مشکل اصلی مدلهای فعلی این است که بیش از حد روی حرکات کلی متمرکز میشوند و جزئیات ظریف صورت را نادیده میگیرند. فریمورک MiRA با بازتوزیع توجه (Attention) روی نقاط کلیدی چهره و بدون نیاز به پارامترهای آموزشی اضافه، باعث میشود هوش مصنوعی درک بسیار دقیقتر و هوشمندانهتری از احساسات انسانی داشته باشد. 🧠✨
این تحقیق همچنین یک نسخه بسیار سبک به نام flashLite ارائه داده که سرعت و کارایی پردازش را به طرز چشمگیری بهبود میبخشد.
منبع: arXiv Computer Vision