ByteDance разработи нова ИИ система за преобразуване на всякакви видове снимки във възможно най-реалистични видеоклипове.
Новата система, наречена OmniHuman-1, генерира пълнометражни видеоклипове на хора, които жестикулират и се движат в съответствие с речта, надминавайки предишните ИИ модели, които можеха да анимират само лицата или горната част на тялото.
„През изминалите няколко години анимацията на хора от край до край претърпя значителни подобрения“, казват от ByteDance. – Но съществуващите методи все още се затрудняват да се мащабират във вид на големи общи модели за генериране на видео, което ограничава потенциала им в реалните приложения.“
Екипът е обучил OmniHuman-1 върху повече от 18 700 часа човешки видео данни, като е използвал нов подход, който комбинира няколко вида входни данни – текст, аудио и движения на тялото. Тази стратегия за обучение с „всеобщи условия“ позволява на изкуствения интелект да се обучава върху много по-големи и разнообразни набори от данни в сравнение с предишните методи.
„Основната ни идея е, че включването на множество условни сигнали, като текст, аудио и поза, в процеса на обучение може значително да намали загубата на данни“, обяснява изследователският екип.
Генерираните от изкуствения интелект OmniHuman-1 на китайската компания ByteDance изглеждат наистина впечатляващо. Дори не е за вярване, че подобно видео може да бъде генерирано само от една обикновена снимка.
Всичко важно от света на технологиите, директно в пощата ти.
С абонирането приемате нашите Условия и Политика за поверителност. Може да се отпишете с един клик по всяко време.
Коментирайте статията в нашите Форуми. За да научите първи най-важното, харесайте страницата ни във Facebook, и ни последвайте в Google Новини, TikTok, Telegram и Viber или изтеглете приложението на Kaldata.com за Android, iPhone, Huawei, Google Chrome, Microsoft Edge и Opera!
