Актуальное в сфере искусственного интеллекта в России и в мире:
• Дайджест новостей
• Аналитические обзоры, переводы, справки
Для связи - @nastyapvlv28
Post #1901
561

🎭 Ученые лаборатории ИИ Сбербанка предложили инновационный подход к распознаванию эмоций в реальных условиях — с шумом, разными ракурсами и освещением
Работа демонстрирует, как комбинация визуальных, акустических и текстовых данных повышает точность эмоционального анализа на основе моделей ИИ.
Что сделали ученые:
1️⃣ Использовали лёгкие нейросети (EmotiEffNet, MobileViT, MobileFaceNet), обученные на фото с эмоциями, — они быстро работают даже на смартфонах.
2️⃣ Ввели фильтрацию кадров: система анализирует только те, где эмоции точно распознаются.
3️⃣ Применили метод «позднего слияния» (late fusion), объединяя данные с видео, аудио и текста — это повысило точность и адаптивность модели.
Зачем это нужно:
🤖 виртуальные ассистенты и чат-боты смогут понимать эмоции пользователей и реагировать естественнее
📚 в образовании — адаптация контента под настроение ученика
🍹 в бизнесе — анализ реакции клиентов на продукты и рекламу
💉 в медицине — мониторинг признаков тревожности и депрессии
⭐️ Разработка принята к публикации на международном воркшопе Affective Behaviour Analysis in-the-Wild (ABAW) конференции CVPR (Core A*).
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
#новостьдня
Работа демонстрирует, как комбинация визуальных, акустических и текстовых данных повышает точность эмоционального анализа на основе моделей ИИ.
Что сделали ученые:
1️⃣ Использовали лёгкие нейросети (EmotiEffNet, MobileViT, MobileFaceNet), обученные на фото с эмоциями, — они быстро работают даже на смартфонах.
2️⃣ Ввели фильтрацию кадров: система анализирует только те, где эмоции точно распознаются.
3️⃣ Применили метод «позднего слияния» (late fusion), объединяя данные с видео, аудио и текста — это повысило точность и адаптивность модели.
Результат — точность распознавания эмоций выросла на 1,5–15% по сравнению с классическими методами вроде VGGFace и wav2vec 2.0. Все наработки собраны в библиотеке EmotiEffLib.
Зачем это нужно:
🤖 виртуальные ассистенты и чат-боты смогут понимать эмоции пользователей и реагировать естественнее
📚 в образовании — адаптация контента под настроение ученика
🍹 в бизнесе — анализ реакции клиентов на продукты и рекламу
💉 в медицине — мониторинг признаков тревожности и депрессии
⭐️ Разработка принята к публикации на международном воркшопе Affective Behaviour Analysis in-the-Wild (ABAW) конференции CVPR (Core A*).
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
#новостьдня
- 👍 2
- 🔥 2
- ❤ 1
- 👎 1
















