MSX-FTID: A Novel Multi-spectral Dynamic Facial Thermal Image Database for Emotion Recognition
यह शोध पत्र MSX-FTID, जो कि एक नवीन मल्टी-स्पेक्ट्रल डायनेमिक फेशियल थर्मल इमेज डेटाबेस है, को प्रस्तुत करता है और छह बुनियादी भावनाओं के लिए एक डीप लर्निंग दृष्टिकोण का उपयोग करके सटीक भावना पहचान हेतु इसकी प्रभावशीलता को प्रमाणित करता है, जो अफेक्टिव कंप्यूटिंग और स्वास्थ्य सेवा में अनुप्रयोगों के लिए पारंपरिक दृश्य-प्रकाश विधियों के एक सुदृढ़ विकल्प के रूप में प्रस्ताव देता है।
मूल पेपर CC BY 4.0 (https://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
मानवीय भावनाएं केवल हमारे सिर के भीतर होने वाले विचार नहीं हैं; वे शारीरिक घटनाएं हैं जो हमारे शरीर में लहरों की तरह फैलती हैं। जब हम भय, उत्साह या क्रोध महसूस करते हैं, तो हमारी आंतरिक प्रणालियाँ बदल जाती हैं, जिससे हमारे रक्त के प्रवाह और हमारी त्वचा के तापमान के बढ़ने या घटने के तरीके में बदलाव आता है। दशकों से, इन भावनाओं को समझने की कोशिश कर रहे वैज्ञानिक उन कैमरों पर निर्भर रहे हैं जो दुनिया को वैसे ही देखते हैं जैसे हमारी आँखें देखती हैं, यानी दृश्य प्रकाश और चेहरे की गतिविधियों को कैप्चर करते हैं। उपयोगी होने के बावजूद, इन मानक कैमरों की एक कमी है: वे अंधेरे में संघर्ष करते हैं, वे छाया से भ्रमित हो जाते हैं, और वे केवल चेहरे की सतह को देख पाते हैं, जिससे वे सूक्ष्म, अनैच्छिक ताप परिवर्तनों को देखने में चूक जाते हैं जो अक्सर हमारी सच्ची भावनाओं को उजागर कर देते हैं। त्वचा के नीचे क्या है, यह देखने के लिए, शोधकर्ताओं ने एक अलग प्रकार की दृष्टि की ओर रुख किया है: थर्मल इमेजिंग। यह तकनीक शरीर द्वारा उत्सर्जित ऊष्मा विकिरण (heat radiation) का पता लगाती है, जिससे तापमान के विविधताओं को एक दृश्य मानचित्र में बदल दिया जाता है। इस ऊष्मा-संवेदी क्षमता को साधारण कैमरों के सटीक विवरण के साथ जोड़कर, वैज्ञानिक अब मानवीय भावना को पढ़ने का एक नया तरीका बना रहे हैं जो रोशनी बंद होने पर भी काम करता है और तब भी ईमानदार रहता है जब कोई व्यक्ति अपनी भावनाओं को छिपाने की कोशिश करता है।
हाल ही में एक अध्ययन में, नेशनल इंस्टीट्यूट ऑफ टेक्नोलॉजी, राउरकेला, भारत के शोधकर्ताओं ने इस क्षेत्र में एक महत्वपूर्ण कदम उठाते हुए एक नया, विशेष संग्रह जिसे MSX-FTID कहा जाता है, बनाया। यह डेटाबेस हजारों चेहरे की छवियों का एक पुस्तकालय है जो मानवीय भावनाओं के पूर्ण स्पेक्ट्रम को कैप्चर करता है, लेकिन एक ट्विस्ट के साथ: प्रत्येक तस्वीर दृश्य प्रकाश और थर्मल ऊष्मा का मिश्रण है। टीम का उद्देश्य पुराने तरीके से आगे बढ़ना था जिसमें लोगों को केवल खुश या दुखी होने का "अभिनय" करने के लिए कहा जाता था, जिसके परिणामस्वरूप अक्सर कठोर और अप्राकृतिक भाव सामने आते हैं। इसके बजाय, उन्होंने स्वाभाविक, वास्तविक प्रतिक्रियाओं को कैप्चर करने के लिए एक प्रयोग तैयार किया। उन्होंने बीस से तीस वर्ष की आयु के सत्रह स्वयंसेवकों को एक शांत, अलग कमरे में आमंत्रित किया। यह सुनिश्चित करने के लिए कि प्रतिभागी कैमरे या किसी पर्यवेक्षक की उपस्थिति से प्रभावित न हों, रिकॉर्डिंग उपकरण को एक सीलबंद बॉक्स के अंदर छिपा दिया गया था, जिससे विषय इस बात से अनभिज्ञ रहे कि उनकी फिल्म बनाई जा रही है। स्वयंसेवकों ने एक स्क्रीन के सामने बैठकर वीडियो क्लिप्स की एक श्रृंखला देखी, जिन्हें खुशी, भय, दुख, क्रोध, घृणा और आश्चर्य जैसी विशिष्ट भावनाओं को जगाने के लिए सावधानीपूर्वक चुना गया था। जैसे-जैसे वीडियो चलते रहे, छिपे हुए कैमरे ने उनके चेहरों को रिकॉर्ड किया, जिससे तटस्थ अवस्था से लेकर भावनात्मक प्रतिक्रिया के चरम तक के क्षण-दर-क्षण परिवर्तन को कैप्चर किया गया।
परिणामस्वरूप प्राप्त संग्रह, जिसमें 3,500 से अधिक चित्र शामिल हैं, इस बात की एक दुर्लभ झलक देता है कि जब ऊष्मा के लेंस से देखा जाता है तो वास्तविक भावनाएं कैसी दिखती हैं। शोधकर्ताओं ने स्थापित किया कि इस डेटाबेस में छह मौलिक भावनाओं के लिए विशिष्ट थर्मल सिग्नेचर मौजूद हैं: खुशी, दुख, आश्चर्य, घृणा, भय और क्रोध। चूंकि ये थर्मल परिवर्तन स्वायत्त तंत्रिका तंत्र (autonomic nervous system) द्वारा संचालित होते हैं, इसलिए इन्हें स्वेच्छा से नियंत्रित करना कठिन होता है, जो उन्हें एक मजबूर मुस्कान की तुलना में सच्ची भावना का एक संभावित विश्वसनीय संकेतक बनाता है। यह परीक्षण करने के लिए कि क्या यह नया डेटाबेस वास्तव में कंप्यूटर को भावनाओं को पहचानने में मदद कर सकता है, शोधकर्ताओं ने इन छवियों को कई उन्नत कंप्यूटर प्रोग्रामों में डाला जो दृश्य पैटर्न का विश्लेषण करने के लिए डिज़ाइन किए गए हैं। उन्होंने पाया कि ये प्रोग्राम उच्च सटीकता के साथ छह बुनियादी भावनाओं की सफलतापूर्वक पहचान कर सकते हैं। सबसे कुशल प्रोग्रामों में से एक, जो छोटे उपकरणों पर चलने के लिए डिज़ाइन किया गया एक हल्का मॉडल है, ने अस्सी प्रतिशत से अधिक मामलों में भावना को सही ढंग से पहचाना। यह प्रदर्शन कई मानक डीप लर्निंग आर्किटेक्चर पर बेंचमार्क किए जाने पर प्रस्तावित डेटासेट की मजबूती को प्रदर्शित करता है, जो यह सुझाव देता है कि नए, स्वतःस्फूर्त थर्मल चित्र कृत्रिम बुद्धिमत्ता (artificial intelligence) के लिए एक स्पष्ट और प्रभावी प्रशिक्षण आधार प्रदान करते हैं।
अध्ययन ने थर्मल डेटा के साथ काम करने की अनूठी चुनौतियों पर भी प्रकाश डाला। मानक फोटोग्राफ के विपरीत, थर्मल छवियों पर आर्टिफैक्ट्स (artifacts) और ऊष्मा प्रदर्शित करने के तरीकों में विसंगतियों का प्रभाव पड़ सकता है, जिसके लिए शोधकर्ताओं को डेटा को सुसंगत और व्याख्या करने में आसान बनाने के लिए मानकीकृत कलर मैप्स लागू करने की आवश्यकता होती है। इसके अलावा, टीम ने उल्लेख किया कि जबकि उनका डेटाबेस एक बड़ी प्रगति है, यह वर्तमान में एक विशिष्ट सांस्कृतिक पृष्ठभूमि के युवा वयस्कों के एक विशेष समूह पर केंद्रित है। भावनाएं विभिन्न संस्कृतियों और आयु समूहों में अलग-अलग रूप में प्रकट हो सकती हैं, इसलिए निष्कर्ष, हालांकि आशाजनक हैं, अभी तक एक सार्वभौमिक समाधान नहीं हैं। शोधकर्ता सावधानीपूर्वक यह कहते हैं कि उनका कार्य एक आधार है, कोई पूर्ण उत्पाद नहीं। उन्होंने अपना डेटासेट अन्य वैज्ञानिकों के लिए उपलब्ध कराया है, वैश्विक समुदाय को इस पर आगे बढ़ने के लिए आमंत्रित किया है। मानवीय भावनाओं की कच्ची, बिना स्क्रिप्ट वाली ऊष्मा को कैप्चर करने वाला यह संसाधन प्रदान करके, यह कार्य अधिक सहानुभूतिपूर्ण मशीनों, बेहतर स्वास्थ्य देखभाल उपकरणों और ऐसी प्रणालियों के द्वार खोलता है जो हमें न केवल हमारे शब्दों से, बल्कि इस बात से समझ सकें कि हम कैसा महसूस करते हैं।
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।