Wetenschappers hebben een innovatieve techniek ontwikkeld die in staat is om de emotionele lading van visuele content op sociale media aan te passen. In plaats van traditionele methoden om problematisch internetgebruik te beperken, zoals het blokkeren van applicaties of het opleggen van strikte tijdslimieten, richt deze nieuwe benadering zich op het verlagen van de affectieve intensiteit van beelden. Volgens een publicatie op arxiv.org van 18 september 2026 stellen Musa Rochi, Marcel Schubert en Christoph Gebhardt dat dwingende interventies vaak eenvoudig worden omzeild en dat een subtielere aanpassing van de content een effectiever alternatief kan bieden.
Technologische doorbraak in verwerkingssnelheid
Voorheen was het aanpassen van de emotionele inhoud van afbeeldingen een tijdrovend proces. Oudere methoden waren gebaseerd op iteratieve optimalisatie, wat een aanzienlijke rekenkracht vereiste. In de wordt vermeld dat dit proces ongeveer 80 seconden per afbeelding in beslag nam, waardoor real-time toepassingen onmogelijk waren.
De nieuwe methode doorbreekt deze beperking door gebruik te maken van een model dat transformaties in een enkele 'forward pass' kan voorspellen. Door de implementatie van een MobileNetV4-backbone en FiLM-gebaseerde emotionele conditionering is de verwerkingstijd drastisch gedaald. Waar het oude systeem seconden nodig had, kan het nieuwe model nu beelden verwerken in slechts 3,7 milliseconden.
Impact op de gebruiker en visuele kwaliteit
Om de effectiviteit van het systeem te toetsen, voerden de onderzoekers een studie uit met 54 proefpersonen. De resultaten tonen aan dat de technologie erin slaagt de opwinding, oftewel de arousal, bij de kijkers te verminderen. De onderzoekers trekken een parallel met het gebruik van grijswaardenfilters, die vaak worden ingezet om het digitale welzijn te bevorderen. Een cruciaal verschil is echter dat gebruikers de beeldkwaliteit van deze nieuwe methode hoger inschatten dan die van eenvoudige kleurfilters.
Praktische toepassing op smartphones
De haalbaarheid van de technologie is bewezen via een Android-applicatie die specifiek is getest met video's van Instagram. Tijdens tests op een Samsung Galaxy S23 bleek het model in staat om een framerate van 60 frames per seconde te behouden. Dit betekent dat de emotionele aanpassing on-device kan plaatsvinden zonder dat de gebruiker merkbare vertragingen ervaart.
Het volledige wetenschappelijke verslag, dat is ingediend onder de categorieën Human-Computer Interaction en Computer Vision and Pattern Recognition, beslaat 18 pagina's en bevat 13 figuren, zoals gedocumenteerd in de .
Terminologie en AI-context
In het onderzoek wordt de term "learned parametric emotion editing" gebruikt. De term "learned" heeft hier een specifieke technische betekenis. Hoewel het woord in algemeen taalgebruik vaak verwijst naar iemand met een uitgebreide opleiding, wordt het in de context van AI en psychologie gebruikt om processen aan te duiden die zijn aangeleerd of overgenomen, zoals uitgelegd in het cambridge.org. In dit project betekent het dat het AI-model is getraind om patronen in emotionele intensiteit te herkennen en deze vervolgens systematisch te transformeren op basis van de beschikbare trainingsdata.