An illustration of this is shown in

An illustration of this is shown in the following image. Here the generic model was trained using the MUCT dataset. The person-specific model was learned from data generated using the annotation tool described earlier in this chapter. The results clearly show a substantially better tracking offered by the person-specific model, capable of capturing complex expressions and head-pose changes, whereas the
generic model appears to struggle even for some of the simpler expressions:

ผลลัพธ์ (ไทย) 1:

ภาพนี้จะแสดงในรูปต่อไปนี้ แบบทั่วไปที่นี่ถูกฝึกโดยใช้ชุดข้อมูล MUCT แบบเฉพาะบุคคลได้เรียนรู้จากข้อมูลที่สร้างขึ้นโดยใช้เครื่องมือคำอธิบายประกอบที่อธิบายไว้ก่อนหน้าในบทนี้ ผลลัพธ์แสดงติดตามดีเสนอรุ่นเฉพาะบุคคล สามารถจับภาพนิพจน์ซับซ้อนและใหญ่ก่อให้เกิดการเปลี่ยนแปลง ชัดเจน ในขณะ
รุ่นทั่วไปปรากฏขึ้นเพื่อ ต่อสู้สำหรับบางส่วนของนิพจน์ง่ายกว่า:

ผลลัพธ์ (ไทย) 2:

ภาพนี้ก็แสดงให้เห็นในภาพต่อไปนี้ นี่คือรูปแบบทั่วไปได้รับการฝึกฝนโดยใช้ชุดข้อมูลที่ MUCT รูปแบบเฉพาะบุคคลที่ได้รับการเรียนรู้จากข้อมูลที่สร้างขึ้นโดยใช้เครื่องมือบันทึกย่อที่อธิบายไว้ก่อนหน้านี้ในบทนี้ ผลที่ได้แสดงให้เห็นชัดเจนการติดตามอย่างมากดีกว่าที่นำเสนอโดยรูปแบบเฉพาะบุคคลที่มีความสามารถในการจับภาพการแสดงออกที่ซับซ้อนและการเปลี่ยนแปลงหัวท่าในขณะที่
รูปแบบทั่วไปจะปรากฏขึ้นเพื่อต่อสู้แม้สำหรับบางส่วนของสำนวนที่เรียบง่าย:

ผลลัพธ์ (ไทย) 3:

ตัวอย่างนี้จะแสดงในรูปต่อไปนี้ ที่นี่ทั่วไป แบบฝึกการใช้เอ็มยูซีทีวันที่ . รูปแบบเฉพาะบุคคลได้เรียนรู้จากข้อมูลที่สร้างขึ้นโดยใช้เครื่องมือหมายเหตุอธิบายไว้ก่อนหน้านี้ในบทนี้ ผลลัพธ์ที่แสดงให้เห็นชัดเจนขึ้นอย่างมาก โดยเฉพาะการเสนอรูปแบบบุคคล สามารถจับภาพการแสดงออกที่ซับซ้อนและหัวก่อให้เกิดการเปลี่ยนแปลงส่วน
แบบจำลองทั่วไปปรากฏต่อสู้แม้บางส่วนของการแสดงออกที่เรียบง่าย :