การเลือกส่วนประกอบบนใบหน้าการ์ตูนแบบอัตโนมัติโดยใช้มุมมองมนุษย์
คำสำคัญ:
การจดจำใบหน้า, มุมมองมนุษย์, ใบหน้าการ์ตูนบทคัดย่อ
งานวิจัยนี้เป็นการนำเสนอระบบการเลือกรูปร่างของส่วนประกอบบนใบหน้าการ์ตูนที่เหมาะสม เพื่อสร้างใบหน้าการ์ตูนจากรูปถ่ายเพียงรูปเดียวที่ไม่ต้องพึ่งการตัดสินใจของมนุษย์ ซึ่งระบบนี้ใช้ข้อมูลที่ได้จากการเรียนรู้ของผู้เชี่ยวชาญในการเลือกส่วนประกอบบนใบหน้าของการ์ตูนที่เหมาะสม โดยงานวิจัยนี้ได้ทำการทดลองเพื่อหาตัวจำแนกกลุ่มที่เหมาะสมเพื่อเสนอผลสรุปการเปรียบเทียบระหว่างตัวจำแนกกลุ่มกับผลการสำรวจเพื่อหาคู่ที่ให้ผลลัพธ์ที่มีความแม่นยำมากที่สุด โดยได้ผลสรุปของตัวจำแนกที่ดีที่สุดของแต่ละส่วนประกอบดังนี้ การเลือกรูปร่างคิ้ว วิธี CentroidVectorLength ให้ผลลัพธ์ดีที่สุด การเลือกรูปร่างตา CrossVectorLength จำแนกโดยโครงข่ายใยประสาท ให้ผลลัพธ์ดีที่สุด การเลือกรูปร่างโครงหน้า วิธี CrossVectorLength ให้ผลลัพธ์ดีที่สุด การเลือกรูปร่างปากใช้วิธี CentroidVectorAngle จำแนกโดยต้นไม้ตัดสินใจ ให้ผลลัพธ์ดีที่สุด และ การเลือกรูปร่างจมูก วิธี CentroidVectorLength ให้ผลลัพธ์ดีที่สุด ถึงแม้ว่าระบบนี้จะไม่สามารถแทนที่การทำงานทั้งหมดของผู้เชี่ยวชาญได้ทั้งหมด แต่รูปร่างการ์ตูนและรูปร่างมนุษย์ที่ถูกนำมาใช้สามารถนำไปประยุกต์ใช้ได้หลากหลายประเภท เช่น ในการสร้างตัวละครในเกม สื่อสังคมออนไลน์ และอุตสาหกรรมบันเทิงต่างๆ
เอกสารอ้างอิง
Pentland, A.P. & Turk, M.A. (1991). Face Recognition Using Eigenfaces. Proceedings 1991 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (586-591). Maui, USA.
Jalled, F. (2017). Face Recognition Machine Vision System Using Eigenfaces. New York, USA: Computer Research Repository.
Vijaya Santhi, S. & Vishnu Priya, R. (2016). PCA Based Face Sketch Synthesis using Eigen Transformation. International Journal of Computer Science and Mobile Computing, 5(3), 346-350.
Mehta, B.B. & Parmar, D.N. (2013). Face Recognition Methods & Applications. International Journal of Computer Technology & Applications, 4(1), 84-86.
Campadelli, P. & Lanzarotti, R. (2003). A face recognition system based on local feature characterization. In J. Kittler & M.S. Nixon (Eds), International Conference on Audio- and Video-Based Biometric Person Authentication (182-189). Guildford, UK.
Samal, D. & Starovoitov, V. (1999). A GEOMETRIC APPROACH TO FACE RECOGNITION. In A.E. Çetin, L. Akarun, A. Ertüzün, M.N. Gurcan, & Y. Yardimci (Eds). IEEE-EURASIP Workshop on Nonlinear Signal and Image Processing (NSIP'99). Turkey: University Printhouse.
Annadurai, S. & Saradha, A. (2005). A Hybrid Feature Extraction Approach for Face Recognition Systems. International Journal on Graphics Vision and image processing, 5, 23-30.
Kaliamoorthi, S. & Ramkumar. (2011). S. A Hybrid Approach to Face Recognition under Varying Illumination. International Journal of Computer Science & Engineering Technology, 1(3), 113-117.
Sucontphunt, T. (2014). 3D Artistic Face Transformation with Identity Preservation. In C. Christie & T.Y. Li (Eds), Proceeding of Smart Graphics LNCS (154-165). Taipei, Taiwan.
Sucontphunt, T. & Mahaisavariya, J. (2018). Automatic Cartoon Face Composition using Caricature Traits. In A. Campilho, F. Karray, & B.T.H. Romeny (Eds.), Proceeding of ICIAR 2018 Image Analysis and Recognition - LNCS (497-504). Porto, Portugal.
Sucontphunt, T. & Mahaisavariya, J. (2019). Automatic Face Composition selection using perception based. Proceeding of NSCIC 2019 The 4th Nation Science and Technology Conference (35-44). Songkla, Thailand.
Zhou, J., Tong, X., Liu, Z., Guo, B. (2016). 3D cartoon face generation by local deformation mapping. Visual Computer, 32(6-8), pp. 717–727.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
เนื้อหาและข้อมูลที่ปรากฏในบทความที่ตีพิมพ์ในวารสารสถิติประยุกต์และเทคโนโลยีสารสนเทศถือเป็นความคิดเห็นส่วนบุคคลของผู้เขียนแต่ละท่าน ความผิดพลาดของข้อความและผลที่อาจเกิดจากนำข้อความเหล่านั้นไปใช้ผู้เขียนบทความจะเป็นผู้รับผิดชอบแต่เพียงผู้เดียว
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารถือเป็นลิขสิทธิ์ของวารสาร หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักอักษรณ์จากวารสาร ก่อนเท่านั้น
