విప్లవాత్మక డైనమిక్ ఫేషియల్ ప్రొజెక్షన్ మ్యాపింగ్: ఆగ్మెంటెడ్ రియాలిటీలో ఒక లీపు ఫార్వర్డ్

AR లో DFPM తో సాధ్యమయ్యే వాటిని పరిమితం చేసే ఏకైక విషయం ination హగా ఉండగా, ఈ విధానం సాంకేతిక సవాళ్ళతో వెనక్కి తగ్గుతుంది. కదిలే ముఖంపై విజువల్స్ ప్రొజెక్ట్ చేయడం వలన DFPM వ్యవస్థ కళ్ళు, ముక్కు మరియు నోటి వంటి వినియోగదారు యొక్క ముఖ లక్షణాలను మిల్లీసెకన్ల కన్నా తక్కువ వ్యవధిలో గుర్తించగలదని సూచిస్తుంది. కెమెరా మరియు ప్రొజెక్టర్ యొక్క ఇమేజ్ కోఆర్డినేట్ల మధ్య ప్రాసెసింగ్ లేదా మైనస్ తప్పుగా అమర్చడంలో స్వల్ప ఆలస్యం కూడా ప్రొజెక్షన్ లోపాలు – లేదా “తప్పుగా అమర్చడం కళాఖండాలు” – వీక్షకులు గమనించవచ్చు, ఇమ్మర్షన్‌ను నాశనం చేస్తారు.

ఈ నేపథ్యంలో, జపాన్లోని ఇన్స్టిట్యూట్ ఆఫ్ సైన్స్ టోక్యోకు చెందిన ఒక పరిశోధనా బృందం DFPM లో ఇప్పటికే ఉన్న సవాళ్లకు పరిష్కారాలను కనుగొనటానికి బయలుదేరింది. అసోసియేట్ ప్రొఫెసర్ యోషిహిరో వతనాబే నేతృత్వంలో, గ్రాడ్యుయేట్ విద్యార్థి మిస్టర్ హావో-లన్ పెంగ్‌తో సహా, ఈ బృందం వినూత్న వ్యూహాలు మరియు సాంకేతికతలను ప్రవేశపెట్టింది మరియు వాటిని అత్యాధునిక హై-స్పీడ్ DFPM వ్యవస్థగా మిళితం చేసింది. వారి పరిశోధనలు ప్రచురించబడ్డాయి విజువలైజేషన్ మరియు కంప్యూటర్ గ్రాఫిక్‌లపై IEEE లావాదేవీలు జనవరి 17, 2025 న.

మొదట, పరిశోధకులు “హై-స్పీడ్ ఫేస్ ట్రాకింగ్ పద్ధతి” అని పిలువబడే హైబ్రిడ్ టెక్నిక్‌ను అభివృద్ధి చేశారు, ఇది నిజ సమయంలో ముఖ మైలురాళ్లను గుర్తించడానికి సమాంతరంగా రెండు వేర్వేరు విధానాలను మిళితం చేస్తుంది. ఒక వైపు, వారు వేగంగా గుర్తించడాన్ని గ్రహించడానికి సమిష్టి ఆఫ్ రిగ్రెషన్ చెట్ల (ERT) అనే పద్ధతిని ఉపయోగించారు. ల్యాండ్‌మార్క్‌లను వేగంగా గుర్తించడానికి ఇన్కమింగ్ చిత్రాలను వినియోగదారు ముఖం వరకు సమర్థవంతంగా పండించే మార్గాన్ని కూడా వారు అమలు చేశారు; “శోధన ప్రాంతం” ను పరిమితం చేయడానికి మునుపటి ఫ్రేమ్‌ల నుండి తాత్కాలిక సమాచారాన్ని పెంచడం ద్వారా వారు దీనిని సాధించారు. లోపాలు లేదా సవాలు పరిస్థితుల నుండి ERT- ఆధారిత గుర్తింపు కోలుకోవడంలో సహాయపడటానికి, వారు దానిని నెమ్మదిగా సహాయక పద్ధతిలో కలిపారు, ఇది తక్కువ వేగంతో అధిక ఖచ్చితత్వాన్ని అందిస్తుంది.

ఈ తెలివిగల వ్యూహాన్ని ఉపయోగించి, పరిశోధకులు DFPM లో అపూర్వమైన వేగాన్ని సాధించారు. “అధిక-ఖచ్చితమైన కానీ నెమ్మదిగా గుర్తించడం మరియు తక్కువ-ప్రాధాన్యత గల కానీ వేగంగా గుర్తించే పద్ధతుల ఫలితాలను సమాంతరంగా మరియు తాత్కాలిక వ్యత్యాసాలను భర్తీ చేయడం ద్వారా, అధిక ఖచ్చితత్వాన్ని కొనసాగిస్తూ మేము కేవలం 0.107 మిల్లీసెకన్ల వద్ద హై-స్పీడ్ అమలుకు చేరుకున్నాము” అని వతనాబే ముఖ్యాంశాలు.

బృందం ఒక ముఖ్యమైన సమస్యను కూడా పరిష్కరించింది: మోడళ్లకు శిక్షణ ఇవ్వడానికి ముఖ కదలికల యొక్క వీడియో డేటాసెట్ల పరిమిత లభ్యత. ఇప్పటికే ఉన్న స్టిల్ ఇమేజ్ ఫేషియల్ డేటాసెట్లను ఉపయోగించి అధిక-ఫ్రేమ్-రేటు వీడియో ఉల్లేఖనాలను అనుకరించడానికి వారు ఒక వినూత్న పద్ధతిని సృష్టించారు. ఇది వారి అల్గోరిథంలను అధిక ఫ్రేమ్ రేట్ల వద్ద చలన సమాచారాన్ని సరిగ్గా నేర్చుకోవడానికి అనుమతించింది.

చివరగా, పరిశోధకులు లెన్స్-షిఫ్ట్ కో-యాక్సియల్ ప్రొజెక్టర్-కెమెరా సెటప్‌ను ప్రతిపాదించారు, అమరిక కళాఖండాలను తగ్గించడంలో సహాయపడతారు. “కెమెరా యొక్క ఆప్టికల్ సిస్టమ్‌లో పొందుపరచబడిన లెన్స్-షిఫ్ట్ మెకానిజం దీనిని ప్రొజెక్టర్ యొక్క ఆప్టికల్ సిస్టమ్ యొక్క పైకి ప్రొజెక్షన్‌తో సమం చేస్తుంది, ఇది మరింత ఖచ్చితమైన కోఆర్డినేట్ అమరికకు దారితీస్తుంది” అని వతనాబే వివరించాడు. ఈ విధంగా, 1 మీ మరియు 2 మీటర్ల లోతు మధ్య ఉన్న వినియోగదారులకు 1.274-పిక్సెల్ లోపంతో జట్టు అధిక ఆప్టికల్ అమరికను సాధించింది.

మొత్తంమీద, ఈ అధ్యయనంలో అభివృద్ధి చేయబడిన వివిధ పద్ధతులు DFPM రంగాన్ని ముందుకు నెట్టడానికి సహాయపడతాయి, ఇది ప్రదర్శనలు, ఫ్యాషన్ ప్రదర్శనలు మరియు కళాత్మక ప్రదర్శనలను మారుస్తుంది, ఇది మరింత బలవంతపు మరియు హైపర్-రియలిస్టిక్ ప్రభావాలకు దారితీస్తుంది.