Hvers vegna lenda svo margir andlitsgreiningar- og avatar-kerfar í falskt jákvæðu augabrúnalækkun? Með Apple ARKit sem dæmi kannar þessi greining rót vandans og afhjúpar á endanum ótrúlega einfalda lausn. 

Avatarar og bros: Memoji-útgáfa

Fölsk jákvæð augabrúnalækkun er útbreitt vandamál í andlitsrekningu og avatar-hreyfimyndagerð. Þó að þessar villur séu daufar geta þær afmyndað andlitsdrætti avatar og bætt við óæskilegum vísbendingum um sorg, reiði eða áhyggjur. Í myndbandinu hér að neðan set ég Memoji-ið frá Apple undir álag til að sýna þetta vandamál í verki.

Í myndbandinu hér að ofan skaltu fylgjast með hvernig Memoji-ið mitt “speglar” bros mitt. Tekurðu eftir einhverju undarlegu eða óþægilegu? Innri horn augabrinna minna eru ranglega lækkuð. Bæting á ranglega tilskildri lækkuðum augabrúnum heldur áfram í ýmsum gerðum brosa. Þetta kemur einnig fyrir hjá öðrum notendum.

Lækkun innri augabruna ásamt lyftingu efri varar (valdið af nefrukkur eða efri varahækkari) er oft tengt óþægilegum tilfinningum. Lægri brúnartippar eru einnig neikvætt tengdir brosum. Þessar tegundir af merkingarlega marktækum rekstrarmistökum geta óviljandi gefið í skyn neikvæða tilfinningu.

Hvernig þessi mistök verða til

Mörg rangsleitni í augabrúnalækkun stafar oft af vandamálum í gæðum gagna, merkjarmistökum og listrænum ákvörðunum. Hér er ástæðan fyrir því að þessi vandamál halda áfram:

1. Ekki er nægilegt að huga að gæðum gagna.
2. Ekki er nægilega mikið áhersla á list.

Allstaðar þar sem ég hef unnið hefur verið svo mikil áhyggjuefni af því að ráða verkfræðinga með ákveðna bakgrunn að Fjöldi starfsmanna er tekinn frá öðrum nauðsynlegum störfum.

Margir tækniforystumenn gera ráð fyrir að ef þeir safna nægjanlegum gögnum til að þjálfa líkan sitt, muni gæðavandamál einfaldlega leysast af sjálfu sér. Vá! Töfrar. Þessi forsenda byggir oft á annarri (en röngri) trú um að aðeins örlítið hlutfall óhreinna gagna sé til staðar.

Ég hef verið djúpstætt í gagnagröfunni og hef unnið í nánast öllum öðrum hlutverkum í andlitsrekningu sem ekki tengjast verkfræði:

• gagnaráætlun – að ákvarða hvaða tegund tjáningargagna skuli safna og hvernig skuli safna þeim
• gagnasöfnun – í raun að vinna með þátttakendum og þjálfa þá í að ná réttu tilfinninga- og tjáningarstellingunum
• gagnamerking – að ákvarða bestu leiðirnar til að merkja kennileiti
• gagnaflokkun – að ráðleggja verkfræðideildinni hvaða flokkar eigi að vera til, hver þeirra breytur séu og hvernig skuli takast á við óumflýjanlegar jaðartilvik
• stækkun – tryggja að reglur um athugasemdir og flokkun séu staðlaðar og auðskiljanlegar fyrir fjölda merkjenda
• eftirlit, rekstur – bera saman raunveruleg gögn við rekningaúrslit
• Að greina svæði til umbóta – að greina hvaða vandamál eru til staðar og hvernig hægt sé að bæta þau með áætlanagerð, söfnun, athugasemdagerð og/eða flokkun
• þróun avatar – að móta stefnu um hvaða form eigi að forgangsraða út frá blöndu af sjónarmiðum, svo sem –
  • þar sem rakarinn mistekst
  • Hvað notkunartilvik endanlegs vöru eru
  • Hvað verður fagurfræðilega ánægjulegast
  • Hvað er merkingarlega mikilvægast

Með bakgrunni mínum í tjáningarlíffræði, andlitslíffærafræði og víðtæku starfi með andlitsgögnum get ég með fullri vissu sagt að óhrein gögn séu stórt vandamál í andlitsrekningu, ekki smávandamál. Í stuttu máli, jafnvel þótt reikniritið sé fullkomið, koma vandamál upp vegna:

Óhrein stöðluð gögn

• Þegar safnað er gögnum um stílhrein andlitssvipbrigði frá mannlegum þátttakendum, verða gögnin alltaf menguð. Tryggt.
• Flestir geta ekki framkallað alla markmiðs­svipbrigði. Það er sjaldgæft að finna hreina gögn um andlitshreyfingar. Þegar þátttakendur framkvæma óhrein svipbrigði er það vegna þess að þeir sýna ranga andlitshreyfingu eða geta ekki einangrað markmiðs­svipbrigðið án þess að nota viðbótar, óviðkomandi andlitsvöðva.
• Auk þess geta gagnasafnarar oft ekki greint hvort þátttakandinn sé yfir höfuð að hitta markmiðsfrasann. Þessi þekkingarskortur er ekki sök gagnasafnara, heldur afleiðing rangra forgangsröðunar hjá Fyrirtæki X og skorts á athygli við ráðningu og viðhald réttra hæfileika.

Vonda gagnaflokkun

• Vegna ofuráherslu á verkfræðileg hæfileika vanrækja fyrirtæki yfirleitt að forgangsraða stöðum sem fást við gagnaflokkun. Í staðinn eru athugasemdarverkefni oft talin lágstéttarstöður sem úthlutaðar eru verktökum án sérstakrar sérfræðiþekkingar.
• Verktakar sem byrja með litla reynslu geta að lokum orðið svo vel samstilltir gögnunum að þeir öðlist sérfræðiþekkingu; þó gerist það sjaldan, því störf við merkingu samninga einkennast yfirleitt af mikilli starfsmannaveltu.

Óupplýstar listaval

• Það er mikilvægt að listin skilji tæknina og að tækninn skilji listina. Það er gífurlegur misskilningur milli listar og verkfræði í tæknifyrirtækjum. Í mörgum tilfellum líta góðir rekjaforritar vel út ekki vegna rekjaforritanna sjálfra, heldur vegna listrænu valkostanna sem gerðir eru til að bregðast við óþroskaðri tækni bak við tjöldin. Meiri fjármagn ætti að verja í að brúa bilið milli listar og verkfræði.

Aftur til Memoji og rangs jákvæðs augabrúnalækkunar

Eins og nefnt var í upphafi þessa færslu, hvenær sem Memoji reynir að herma eftir brosi mínu, bætist óþarfa augabrúnalækkun við innri horn augabrúna minna. Aftur heldur þessi viðbót áfram í mismunandi gerðum brosa.

Línuritið hér að neðan er dæmi um hvernig samspil gæðagagna og listar getur haft neikvæð áhrif á ýmsar tjáningar og valdið vandamálum, svo sem að augabrúnir lækka við bros.

AthugiðAuðvitað geta verið margar hugsanlegar orsakir, þar á meðal vandamál með reikniritinu sjálfu; þessi útdráttur er þó gerður til að varpa ljósi á tiltekið atvik með tilteknum skilyrðum.