Alle danser nu
Er du en frygtelig danser, der drømmer om en dag at medvirke i en tåskærende musikvideo, der ville have gjort Michael Jackson jaloux? Hvis ja, har du to muligheder: gå den Napoleon Dynamite rute og praktisere noget seriøst, eller forenkle processen ved at drage fordel af noget banebrydende kunstig intelligens.
Da du stadig læser og ikke slukker for YouTube "Sådan danser" videoer, vil vi antage, at den anden af disse muligheder er den, der appellerer mere til dig. Hvis ja, har du forskere ved University of California, Berkeley, at takke. Bruger slags "deepfake" teknologi der gør det muligt at udføre realistiske ansigtsbytter i videoer, har de udviklet et værktøj, som kan få selv de mest tumulte og ukoordinerede blandt os til at ligne eksperter.
Anbefalede videoer
"Vi har udviklet en metode til at overføre dansebevægelser fra én person - en professionel danser - til en anden, [som vi vil referere til som 'Joe' for dette eksempel,]" Shiry Ginosar, en Ph.D. studerende i Computer Vision ved UC Berkeley, fortalte Digital Trends. "For at gøre dette tager vi en video af Joe, der udfører alle slags bevægelser. Vi bruger denne video til at træne et generativt modstandsnetværk for at lære en model af, hvordan Joe ser ud og bevæger sig. Når vi har lært denne model, kan vi tage en pindefigur af en kropspositur som input og generere et stillbillede af Joe, der udfører den kropspositur som output. Hvis vi har en hel video af en dansende pindefigur, kan vi generere en hel video af Joe, der danser på samme måde. Nu, givet en video af den professionelle danser, udtrækker vi danserens kropsstilling og går tilbage til Joe og genererer en video af ham, der danser på nogenlunde samme måde."
Bortset fra det sjove ved at kunne få nogen til at ligne en ekspertdanser, sagde Ginosar, at dans udgør en interessant udfordring for denne form for deepfake-teknologi. Det er fordi det involverer hele menneskekroppen, der bevæger sig på en flydende måde, hvilket er betydeligt anderledes (og hårdere) end de mere statiske positurer eller ansigtsoverførsler, der er blevet udført indtil videre.
Et papir, der beskriver værket, med titlen "Everybody Dance Now", er tilgængelig til at læse på arXiv preprint-serveren. Ud over Ginosar inkluderede andre forskere på projektet Caroline Chan, Tinghui Zhou og Alexei Efros.
Redaktørernes anbefalinger
- Microsoft forlader sin uhyggelige, følelseslæsende A.I.
- Analog A.I.? Det lyder skørt, men det er måske fremtiden
- Nvidias seneste A.I. resultater viser, at ARM er klar til datacentret
- IBMs A.I. Mayflower-skib krydser Atlanterhavet, og du kan se det live
- Kan A.I. slå menneskelige ingeniører ved at designe mikrochips? Det mener Google
Opgrader din livsstilDigital Trends hjælper læserne med at holde styr på den hurtige teknologiske verden med alle de seneste nyheder, sjove produktanmeldelser, indsigtsfulde redaktionelle artikler og enestående smugkig.
