Umělá inteligence Google VLOGGER oživuje fotografie pomocí realisticky mluvících avatarů
2 min. číst
Publikované dne
Sdílejte tento článek
Vylepšete tuto příručku
Přečtěte si naši informační stránku a zjistěte, jak můžete pomoci MSPoweruser udržet redakční tým Dozvědět se více
Klíčové poznámky
- Umělá inteligence Google vytváří realistické mluvící avatary z jednotlivých fotografií.
- VLOGGER používá modely difúze k realistické animaci fotografií.
- Mezi potenciální aplikace patří VR avatary a dabing videa.
Výzkumníci společnosti Google vyvinuli nový systém umělé inteligence s názvem VLOGGER, který dokáže generovat realistická videa lidí mluvících, gestikulujících a pohybujících se z jediné fotografie.
Tato technologie, popsaná ve výzkumném dokumentu nazvaném „VLOGGER: Multimodal Diffusion for Embodied Avatar Synthesis“, využívá modely difúze, typ strojového učení, který vyniká při vytváření obrázků z textových popisů. Aplikací této technologie na video a jejím tréninkem na masivní datové sadě může VLOGGER animovat fotografie způsobem, který je vysoce přesvědčivý.
Na rozdíl od předchozí práce naše metoda nevyžaduje školení pro každou osobu, nespoléhá se na detekci a oříznutí obličeje, generuje kompletní obraz (nejen obličej nebo rty) a bere v úvahu široké spektrum scénářů (např. viditelné torzo nebo různé identity subjektu), které jsou zásadní pro správnou syntézu lidí, kteří komunikují.
Psali autoři.
Možnosti aplikace VLOGGER zahrnují automatické kopírování videí v různých jazycích, úpravy videí a dokonce vytváření úplných videí z jednoho obrázku.
Výzkumníci tvrdí, že VLOGGER překonává jiné metody v kvalitě obrazu a realismu. Jak tato technologie postupuje, hranice mezi skutečným a umělým videem se může stírat. VLOGGER nabízí pohled do budoucnosti AI.
Existují však obavy z možného zneužití. S tím, jak VLOGGER zdokonaluje své schopnosti, roste i snadnost vytváření deepfakes – videí, která nahrazují podobiznu člověka podobiznou jiného, např. stalo se Taylor Swift.
Můžete si prohlédnout příklady zde.
