محققان در تازهترین دستاورد خود، مدل چندوجهی جدیدی به نام CF-Net را برای شناسایی حالات پیچیده انسانی مانند «تردید» و «ابهام» در ویدئوها معرفی کردهاند. این مدل با تحلیل دقیق همزمان دادههای صوتی، تصویری و متنی و با استفاده از یک ماژول جدید برای درک تناقضهای رفتاری، توانسته است در چالشهای بینالمللی شناسایی رفتار (ABAW) به نتایج درخشانی دست یابد. این نوآوری گامی مهم برای درک بهتر احساسات انسانی توسط هوش مصنوعی در محیطهای غیرکنترلشده است.
منبع: arXiv Computer Vision