▲Google日前成功開發出一套演算法，從單幀中推斷出手部的21個3D關節點來提供高保真的手掌及手指追蹤。（圖／截自Google AI Blog）
記者王曉敏／綜合外電報導
拇指與食指指尖相貼，其餘三指自然伸展，對部分地區的人來說，可以很自然地從中解讀出「OK」之意。手勢解讀對人類來說可能是相當自然的一件事，但即時手部姿勢感知並解讀，對AI來說可就是一項極具挑戰性的電腦視覺任務了。Google日前成功開發出一套演算法，令智慧型手機能夠解讀手語。
Google在其AI部落格寫發表最新的手部感知方法，該方法透過機器學息，從單幀中推斷出手部的21個3D關節點來提供高保真的手掌及手指追蹤。目前Google尚未為此技術開發出應用程式，但已開放此技術的演算法，讓開發人員能加以利用並開發出自己的應用程式。目前為止，這類軟體僅能在PC上使用。
Google工程師巴扎列夫斯基（Valentin Bazarevsky）及張帆（Fan Zhang，音譯）在部落格中表示，這項免費公開的技術旨在成為「手語理解的基礎」。Google發言人說：「我們很期待開發人員會想出什麼樣的點子。就我們而言，我們將繼續展開我們的研究，使技術更加強大，進一步穩定對手語及手是的追蹤，增加我們可以可靠地偵測到的手勢數量。」
▲利用21個3D關節點，AI可即時解讀手勢所傳達的意義。（圖／截自Google AI Blog）
不過Google也坦言，這只是第一步。僅透過手勢產生語音內容的應用程式，可能會忽略比手勢者的面部語言及做手勢的速度，而這些都可能影響比手勢者所傳達的意思。除此之外，該技術也不會將任何地域性因素納入考慮。
聽力損失行動（Action on Hearing Loss）技術經理維西納勒姆（Jesal Vishnuram）表示，該計畫是「聽取」聽障人士語言的良好開端，但仍需要許多配套功能，「從聽障者角度來看，開發一種能將文本或語音翻譯成手語的軟體，以協助他們的日常對話、減少其在聽覺世界中的隔閡，會更加有用。」
以往類似的技術開發都會受限於影像追蹤技術。由於手指彎曲及手腕動作偶爾會遮蓋部分手部，因此無法準確地進行全面追蹤。為此，Google在手掌及手背上繪製了21個3D關節點，當手及手臂彎曲或兩根手指接觸時，電腦會更容易理解。
其他大型科技公司及研發人員也正試圖開發手語解讀技術。去年，微軟與美國國立聾人理工大學（National Technical Institute for the Deaf）合作，為教室配置桌電，透過即時翻譯員協助有聽力障礙的學生。另外，肯亞一名25歲的研發人員阿萊拉（Roy Allela）為其患有聽力障礙的姪女打造出一副觸覺手套，能利用Android應用程式，即時翻譯手語並朗讀，此發明也為阿萊拉奪下美國機械工程師協會的獎項。
|
|
