Google VLOGGER AI оживляє фотографії за допомогою реалістичних розмовних аватарів

Дослідники Google розробили нову систему AI під назвою VLOGGER, яка може створювати реалістичні відео людей, які говорять, жестикулюють і рухаються лише з однієї фотографії.

Ця технологія, описана в дослідницькій статті під назвою «VLOGGER: Multimodal Diffusion for Embodied Avatar Synthesis», використовує моделі дифузії, тип машинного навчання, який чудово підходить для створення зображень із текстових описів. Застосовуючи цю технологію до відео та навчаючи її на величезному наборі даних, VLOGGER може анімувати фотографії у дуже переконливий спосіб.

На відміну від попередньої роботи, наш метод не вимагає навчання кожної людини, не покладається на розпізнавання обличчя та кадрування, генерує повне зображення (а не лише обличчя чи губи) і враховує широкий спектр сценаріїв (наприклад, видимий торс). або різні ідентичності суб’єктів), які є критично важливими для правильного синтезу людей, які спілкуються.

Автори написали.

Можливості VLOGGER включають автоматичне дублювання відео різними мовами, редагування відео та навіть створення повного відео з одного зображення.

Дослідники стверджують, що VLOGGER перевершує інші методи за якістю та реалістичністю зображення. У міру розвитку цієї технології межа між справжнім і штучним відео може стиратися. VLOGGER пропонує зазирнути в майбутнє ШІ.

Однак існує занепокоєння щодо можливого неправильного використання. Оскільки VLOGGER удосконалює свої можливості, зростає й легкість створення дипфейків – відео, які замінюють схожість людини на іншу, наприклад, сталося з Тейлор Свіфт.

Ви можете переглянути приклади тут.