MEGC2026: Micro-Expression Grand Challenge on Visual Question Answering
MEGC 2026 चुनौती सूक्ष्म-अभिव्यक्ति वीडियो प्रश्न उत्तर (ME-VQA) और सूक्ष्म-अभिव्यक्ति दीर्घ-वीडियो प्रश्न उत्तर (ME-LVQA) नामक दो नए कार्यों को पेश करती है, ताकि लघु और दीर्घ-अवधि के वीडियो अनुक्रमों पर बड़े विजन-लैंग्वेज मॉडल्स की मल्टीमॉडलल रीजनिंग क्षमताओं का लाभ उठाकर चेहरे की सूक्ष्म-अभिव्यक्तियों के विश्लेषण को आगे बढ़ाया जा सके।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक हाई-स्टेक्स पोकर गेम में हैं। हर कोई शांत दिखने की कोशिश कर रहा है, लेकिन एक खिलाड़ी को अभी-अभी एक बहुत ही खराब हाथ (hand) मिला है। एक सेकंड के एक छोटे से हिस्से के लिए—एक कैमरा शटर की गति से भी तेज़—उसके चेहरे पर एक हलचल होती है। उसका होंठ थोड़ा सा मुड़ता है, या उसकी भौंह ऊपर उठती है। फिर, उतनी ही तेज़ी से, वह इसे अपने 'पोकर फेस' के पीछे छिपा लेता है। वह नन्हा सा, अनैच्छिक झटका एक माइक्रो-एक्सप्रेशन (ME) है। यह वह सच है जो झूठ के पीछे से झाँकने की कोशिश कर रहा है।
वर्षों से, वैज्ञानिक ऐसे कंप्यूटर बनाने की कोशिश कर रहे हैं जो इन क्षणिक "सत्य की झलक" (truth flashes) को पहचान सकें। लेकिन अब, खेल बदल गया है। MEGC 2026 (माइक्रो-एक्सप्रेशन ग्रैंड चैलेंज 2026) एक नई प्रतियोगिता है जो एक अलग, अधिक मानवीय प्रश्न पूछ रही है: "क्या आप न केवल उस हलचल को पहचान सकते हैं, बल्कि उसके बारे में बात भी कर सकते हैं?"
यहाँ इस पेपर का एक सरल विवरण दिया गया, जिसमें कुछ रोज़मर्रा के उपमाओं (analogies) का उपयोग किया गया है।
मुख्य विचार: "पहचानने" से "बातचीत करने" तक
अतीत में, कंप्यूटर सुरक्षा गार्डों की तरह थे जिनके पास एक चेकलिस्ट होती थी। वे एक चेहरे को स्कैन करते और कहते, "हाँ, मुझे एक माइक्रो-एक्सप्रेशन दिख रहा है," या "नहीं, नहीं दिख रहा है।"
MEGC 2026 कंप्यूटर को अपग्रेड करके एक नोटबुक लेकर चलने वाले जासूस जैसा बना रहा है। केवल एक बॉक्स को टिक करने के बजाय, कंप्यूटर को एक वीडियो दिया जाता है और प्राकृतिक प्रश्न पूछे जाते हैं जैसे:
- "मुस्कुराने से ठीक पहले व्यक्ति क्या महसूस कर रहा था?"
- "उसने कितनी बार अपने गुस्से को छिपाने की कोशिश की?"
- "आंखों के आसपास की विशिष्ट मांसपेशियों की गति का वर्णन करें।"
यह मल्टीमॉडल लार्ज लैंग्वेज मॉडल्स (MLLMs) द्वारा संचालित है। इन मॉडल्स को ऐसे सुपर-स्मार्ट छात्रों के रूप में सोचें जिन्होंने मानव भावना पर हर किताब पढ़ी है और लाखों वीडियो देखे हैं। वे एक वीडियो को देख सकते हैं और जो वे देखते हैं उसके बारे में "चैट" कर सकते हैं, दृश्य संकेतों को भाषा कौशल के साथ जोड़ सकते हैं।
दो मुख्य चुनौतियाँ (टास्क)
प्रतियोगिता में दो स्तर हैं, जैसे एक वीडियो गेम में "ट्यूटोरियल" और "बॉस लेवल" होता है।
स्तर 1: शॉर्ट-क्लिप डिटेक्टिव (ME-VQA)
- परिदृश्य: आपको किसी के चेहरे का एक बहुत छोटा वीडियो क्लिप (कुछ सेकंड लंबा) दिखाया जाता है।
- कार्य: आपसे उस क्लिप के बारे में एक विशिष्ट प्रश्न पूछा जाता है।
- उदाहरण: "क्या व्यक्ति ने 'लिप कॉर्नर डिप्रेसर' (उदासी का संकेत) दिखाया?" या "क्या यह एक खुश या गुस्से वाला माइक्रो-एक्सप्रेशन है?"
- लक्ष्य: कंप्यूटर को पूर्ण वाक्यों में उत्तर देना होगा, और यह भी समझाना होगा कि वह ऐसा क्यों सोचता है। यह एक शिक्षक द्वारा छात्र से उसके उत्तर का कारण समझाने के लिए कहने जैसा है, न कि केवल एक संख्या देने के लिए।
स्तर 2: लॉन्ग-हॉल डिटेक्टिव (ME-LVQA)
- परिदृश्य: यह 'हार्ड मोड' है। आपको एक लंबा वीडियो दिया जाता है (जैसे कि पूरी बातचीत या एक तनावपूर्ण मीटिंग) जो कई मिनटों तक चल सकता है।
- कार्य: वीडियो में सामान्य बातचीत, हँसी और भड़कना शामिल है। इसके भीतर सूक्ष्म, क्षणिक माइक्रो-एक्सप्रेशन छिपे हुए हैं। आपको उन्हें खोजना है और जटिल प्रश्नों के उत्तर देने हैं।
- उदाहरण: "मीटिंग के दौरान व्यक्ति ने कितनी बार मुस्कान को दबाने की कोशिश की?" या "हुए सभी अलग-अलग चेहरे के आंदोलनों की सूची बनाएं।"
- चुनौती: यह घास के ढेर में सुई खोजने जैसा है, लेकिन घास का ढेर हिल रहा है और सुई नग्न आंखों से अदृश्य है। कंप्यूटर को किसी प्रश्न का उत्तर देने के लिए यह याद रखना होगा कि 30 सेकंड पहले क्या हुआ था, जबकि वह 5 मिनट पहले की घटना के बारे में बता रहा हो।
"टेस्ट ड्राइव" (बेसलाइन परिणाम)
पेपर के लेखकों ने केवल विचार प्रस्तावित नहीं किया; उन्होंने इसे दो शक्तिशाली AI मॉडल्स (जिन्हें Qwen कहा जाता है) का उपयोग करके आज़माया। इन मॉडल्स को दो अलग-अलग कारों के रूप में सोचें जिन्हें शोधकर्ताओं ने रेस जीतने के लिए किराए पर लिया है।
- जीरो-शॉट टेस्ट (बिना मैप के ड्राइविंग): उन्होंने AI को माइक्रो-एक्सप्रेशन पर बिना किसी विशेष प्रशिक्षण के काम करने के लिए कहा।
- परिणाम: AI बड़ी, स्पष्ट भावनाओं (जैसे "क्या वह खुश है?") को पहचानने में ठीक था, लेकिन सूक्ष्म और बारीक भावनाओं को पहचानने में बहुत खराब था। यह एक ऐसे ड्राइवर की तरह था जो स्टॉप साइन तो देख सकता है लेकिन छोटे गड्ढे को मिस कर देता है।
- फाइन-ट्यून्ड टेस्ट (मैप के साथ ड्राइविंग): उन्होंने विशिष्ट माइक्रो-एक्सप्रेशन वीडियो का उपयोग करके AI को एक क्रैश कोर्स दिया।
- परिणाम: AI बेहतर वाक्य लिखने और जो उसने देखा उसका वर्णन करने में बेहतर हो गया। हालाँकि, वह अभी भी सबसे कठिन हिस्से के साथ संघर्ष कर रहा था: ठीक कितनी बार माइक्रो-एक्सप्रेशन हुए इसकी गिनती करना और लंबे वीडियो में वे ठीक कब हुए, इसे पिनपॉइंट करना।
निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि हालांकि AI भावनाओं के बारे में "बात करने" में स्मार्ट हो रहा है, लेकिन मानव चेहरे के सूक्ष्म, पलक झपकते ही बदलने वाले झूठ और सच को वास्तव में "समझने" के लिए उसे अभी एक लंबा रास्ता तय करना है।
- अच्छी खबर: AI अब प्राकृतिक भाषा में माइक्रो-एक्सप्रेशन का वर्णन कर सकता है, जिससे यह तकनीक वास्तविक दुनिया के अनुप्रयोगों (जैसे झूठ पकड़ने या मानसिक स्वास्थ्य विश्लेषण) के लिए अधिक उपयोगी हो जाती है।
- बुरी खबर: लंबे वीडियो अभी भी वर्तमान AI के लिए बहुत भ्रमित करने वाले हैं। मॉडल्स सामान्य चेहरे की गतिविधियों के शोर में खो जाते हैं और सूक्ष्म विवरणों को मिस कर देते हैं।
संक्षेप में: MEGC 2026 शोधकर्ताओं को कंप्यूटर को मानव भावनाओं का बेहतर पर्यवेक्षक बनने के लिए आमंत्रित कर रहा है, जो केवल "पहचानने" से आगे बढ़कर लोगों वास्तव में क्या महसूस कर रहे हैं, इसके बारे में जटिल "कहानी सुनाने" की ओर बढ़ रहा है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।