你如何将FACS与深度学习中的工作进行比较？

大多数人脸跟踪和情感跟踪公司都依靠FACS进行机器学习。他们使用FACS来绘制他们的数据管道。他们用基于FACS的表情收集数据。他们用基于FACS的分类来训练他们的机器，等等。即使你不使用基于FACS的方法，你仍然需要FACS来识别和沟通失败的领域，以评估数据需求来改进技术。

是否有任何现有的FACS数据集，我们可以用它来训练人脸和语音的机器学习模型？

根据我在人脸追踪技术领域的工作经验，大多数数据集都充斥着不纯的数据。你需要能够仔细检查数据并清理大量的垃圾。如果你有资源，建议创建内部数据收集和标签系统。如果你正在建立自己的数据团队，请阅读 情感跟踪中的偏差.

您是否推荐任何能够稳健地提取FACS的应用程序？你能推荐任何用于提取FACS的应用程序吗？

如果你说的提取FACS的应用是指--自动FACS检测器/追踪器--我会说不是。我并不强烈推荐任何应用程序。一些应用程序可以检测到非常简单的、高强度的表达；但是它们往往不能检测到微妙的或有层次的表达。我认为我们离真正强大的东西还有一段距离，特别是由于大多数领先的科技公司对数据的疏忽。阅读更多 此处 和 此处.

iPhone有52种表情，这对制作好的动画来说足够了吗？如果不是，你如何使用iPhone来增加更多的FACS形状？

你是要做一个有基本动作的半风格化到非常风格化的人物吗？如果是这样，它可能是好的。如果你要的是更加逼真和富有表现力的人物，那么它就不能让你达到你所需要的质量水平。作为一个更注重观察和评论的人，我无法告诉你如何添加更多的FACS形状；但是，如果你想告诉我你对你的角色有什么需求/你想在表现力方面达到什么目的/你可能需要添加什么形状来达到你的目的，我可以提供咨询：facetheFACS@melindaozel.com

我们有一个3D现场化身的热潮，但他们缺少大量的面部表情。您认为我们如何才能改善实时数字人类表演？

这其中有两个部分。

1. 该技术.脸部追踪技术还没有完全达到我们希望的程度。成功的真人化身可以通过技术与艺术的协调来完成。需要进行广泛的研究和观察，以评估追踪技术对不同面孔的反应。此外，化身的目标也需要被评估。根据上下文，什么表情是优先的？根据头像的使用情况，不同的表情会有不同的优先级别。

2. 艺术.即使技术不是我们希望的那样，你也可以通过艺术来伪造很多东西。一旦你清楚地知道技术中哪些地方不可行，以及你想优先考虑化身的表达方式，就可以通过艺术方面来伪造它。当我在Meta的时候，我密集地与数据打交道，研究技术在不同脸部的表现。能够识别这些不足之处，使我能够有效地与模型师合作，通过艺术方面来掩盖反复出现的问题。大多数看起来成功的头像都是通过艺术掩盖技术问题而实现的。

FACS如何支持不同的口音，不同的发音如何影响风格化人物的面部表情/动作？

口语中最小的有意义的声音单位被称为音素。不同的语言是由不同的音素组组成的。在艺术和语言技术方面，音素是按照它们产生时的样子来分组的。换句话说，音素是根据我们的嘴巴产生这些音素时形成的一般形状来分组的。这些视觉上分组的音素被称为 视觉.双唇音就是一个不同的音素，形成一个单一的音素的例子。虽然B、M和P是不同的音素，但当我们发出这些声音时，我们的嘴唇的结构基本上是一样的。B、M和P的产生看起来是一样的；因此，B、M和P构成了一个单一的语素。FACS的形状可以用来粗略地表示一个语素，尽管可能缺少更多的细节（在本答案的最后讨论）。

当不同的音素应用于同一个词时，就会产生口音。例如，考虑 "car "这个词。美式英语版本对car中 "a "的发音与英式英语版本不同；因此，美式英语使用了不同的音素 此外，美式英语版本对 "r "的发音，而英式英语版本则没有。 

虽然 "汽车 "在美式英语和英式英语中是同一个词，具有相同的含义，但它的发音是由不同的音素组成的，这取决于所使用的英语。

如果用FACS形状来创建一个语素的骨架，而用不同口音发音的单词是由不同的音素组成的，那么这个单词也往往是由不同的语素组成的。不同的语素公式意味着不同的FACS形状可以应用于不同口音下的同一个词。这种分解意味着考虑语音和单词的音位选择非常重要--而不是构成单词本身的字母。

FACS和语音的主要问题将来自于面部表情机械之外产生的音素--例如，喉音语言。此外，一般来说，FACS在涉及到语音形状时有一些缺失环节--即使是美式英语。这个缺陷就是为什么我定义了像 "垂直嘴唇收紧器 "和 "Z轴减弱器 "这样的子动作单元。(见 外地资产管制系统小抄 详见）。