The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.
การสื่อสารระหว่างบุคคลที่ได้ยินกับผู้พิการทางการได้ยินหรือบุคคลที่ไม่สามารถใช้คำพูดเป็นอุปสรรคสำคัญ โดยเฉพาะเมื่อบุคคลที่ได้ยินไม่มีความคุ้นเคยกับภาษามือไทย (TSL) ภาษามือไทยมีความซับซ้อนและต้องใช้การฝึกฝน ความตั้งใจ และประสบการณ์อย่างมากจึงจะเชี่ยวชาญได้ ซึ่งมักต้องใช้เวลาหลายเดือนของการศึกษาอย่างต่อเนื่อง แม้แต่เพื่อให้ได้ระดับความคล่องแคล่วขั้นพื้นฐาน สิ่งนี้ก่อให้เกิดช่องว่างด้านการเข้าถึง โดยเฉพาะกับผู้พิการทางการได้ยินที่อาจไม่เคยเรียนรู้ไวยากรณ์หรือภาษาไทยมาตรฐาน อาจพบความยากลำบากในการทำความเข้าใจข้อความภาษาไทยที่เขียน ซึ่งยิ่งทำให้การสื่อสารเป็นเรื่องที่ท้าทายยิ่งขึ้น แม้ว่าการใช้ข้อความเขียนอาจดูเหมือนเป็นทางออกหนึ่งของการสื่อสาร แต่ในความเป็นจริงอาจไม่ได้ผลเสมอไป เนื่องจากผู้พิการทางการได้ยินบางคนอาจไม่สามารถอ่านหรือทำความเข้าใจข้อความภาษาไทยได้อย่างคล่องแคล่ว อันเนื่องมาจากการไม่ได้สัมผัสกับไวยากรณ์ของภาษาพูดแบบดั้งเดิม นี่จึงเป็นเหตุผลสำคัญที่ต้องมีเครื่องมือแปลภาษาแบบเรียลไทม์ที่สามารถแปลงข้อความภาษาไทยเป็นภาษามือไทยได้อย่างถูกต้อง เพื่อช่วยลดช่องว่างนี้ และส่งเสริมให้เกิดปฏิสัมพันธ์ที่มีความหมายระหว่างผู้พิการทางการได้ยิน บุคคลที่ไม่สามารถใช้คำพูด และบุคคลที่ได้ยิน
คณะวิทยาศาสตร์
This project presents the development of an automatic recycling machine for plastic bottles and cans, utilizing Machine Learning for packaging classification through image processing, integrated with smart sensor systems for quality inspection and operation control. The system connects to a Web Application for real-time monitoring and control. Once the packaging type is verified, the system automatically calculates the refund value and processes payment through e-wallet or issues cash vouchers. The system can be installed in public spaces to promote waste segregation at source, reduce contamination, and increase recycling efficiency. It also provides financial incentives to encourage public participation in waste management. This project demonstrates the potential of combining Machine Learning and smart sensor systems in developing accurate, convenient, and sustainable waste management solutions.
คณะเทคโนโลยีสารสนเทศ
This research presents the development of an AI-powered system designed to automate the identification and quantification of dental surgical instruments. By leveraging deep learning-based object detection, the system ensures the completeness of instrument sets post-procedure. The system's ability to process multiple images simultaneously streamlines the inventory process, reducing manual effort and potential errors. The extracted data on instrument quantity and type can be seamlessly integrated into a database for various downstream applications.
คณะอุตสาหกรรมอาหาร
Spent coffee grounds (SCGs) are waste from coffee drink process, which are rich of a varieties of nutrients. This research applied SCGs as ingredient in cracker. The optimized formula and process are studied as well as addition of different levels of SCGs were studied. It was found that addition of SCGs in cracker had hedonic score in high level from panels, especially panels who drink coffee. Moreover, it was observed that SCGs could increase nutrients especially carbohydrate and fiber to the product.