美国迪士尼研究中心最新研发出一项新技术，可大幅减少训练面部表情捕捉系统所需的大量数据。研究人员认为，这项新技术可在保证面部识别精确度的前提下，提升机器学习的灵活度和工作效率。

机器学习使得实时面部表情捕捉系统在电影和游戏创作中得以广泛运用。不过，为了让电影或游戏角色、动画人物的面部表情更符合真人面部表情，电影公司通常需要大量记录某个演员在多种状态下的面部表情数据，包括不同光线条件和拍摄角度等条件，以训练表情捕捉系统，这无疑需投入大量时间、人力和物力。

而迪士尼研究中心的最新研究发现，可以利用小样本数据综合生成训练系统需要的大量数据。研究人员利用多摄像机采集模式，在均匀照明环境记录下演员的70个表情，再利用所得数据生成虚拟人脸。相关数据随后可被用来生成影片中所需环境条件和摄像机属性的训练数据，这种方法可有效缩短机器学习的准备过程。

研究人员日前在加利福尼亚州举行的3D视野国际论坛上展示了这一最新技术。研究人员认为，新方法表明，训练模型所需的数据量可比之前减少数千倍，并且不会降低准确性。这不仅将为电影和游戏创作节省成本、提升效率，还可以为推动机器学习发展提供思路。