جان بخشیدن به عکس ها با هوش مصنوعی

به گزارش تیتو، محققان گوگل یک سیستم هوش مصنوعی جدید توسعه داده اند که می تواند فقط از عکس ثابت ویدیوهای واقعی از صحبت کردن، ژست ها و حرکت های افراد را ایجاد کند. این فناوری که VLOGGER نام دارد، به مدل های پیشرفته یادگیری ماشین برای ترکیب فیلم های واقع بینانه تکیه می کند.

به نقل از فارس، این مدل هوش مصنوعی می تواند از یک فرد عکس و یک کلیپ صوتی را به عنوان ورودی بگیرد و سپس ویدیویی را که با صدا منطبق است تولید کند با ایجاد حالات صورت مربوطه، حرکات سر و دست. اگرچه ویدیوها کامل نیستند، اما نشان دهنده جهشی قابل توجه در توانایی متحرک کردن تصاویر ساکن هستند.از آنجایی که ویدیوهای تولید شده توسط هوش مصنوعی واقعی تر و ایجاد آن آسان تر می شوند، چالش های مربوط به اطلاعات نادرست و جعل دیجیتال را تشدید می کنند.

محققان به سرپرستی انریک کورونا، از نوعی مدل یادگیری ماشین به نام مدل های انتشار برای دستیابی به نتایج استفاده کردند. مدل های انتشار اخیراً عملکرد قابل توجهی در تولید تصاویر بسیار واقعی از توضیحات متن نشان داده اند. با گسترش آنها در حوزه ویدیو و آموزش بر روی مجموعه داده های جدید گسترده، این تیم توانست یک سیستم هوش مصنوعی ایجاد کند که می تواند عکس ها را به روشی بسیار متقاعدکننده زنده کند.

5858