У Google Research розробили ШІ-інструмент, який називається VLOGGER. Він може генерувати реалістичні відео, де люди розмовляють, жестикулюють і рухаються.
І все це – лише з однієї фотографії, пише VentureBeat.
Створені відео поки виглядають не ідеально. Проте це – значний стрибок у здатності анімувати нерухомі зображення.
«На відміну від попередніх робіт, наш метод не вимагає навчання для кожної людини, не покладається на розпізнавання обличчя й кадрування, генерує повне зображення (а не тільки обличчя або губи) та розглядає широкий спектр сценаріїв (наприклад, видимий торс або різноманітні ідентичності суб’єктів), які мають вирішальне значення для правильного відтворення людей, що спілкуються», – пояснили автори.
Для створення системи використали набір даних, який містить понад 800 тис. різноманітних ідентичностей та 2200 годин відео. Це дозволило VLOGGER навчитися створювати відео про людей різної етнічної приналежності, віку, одягу, оточення тощо.
Google розглядає VLOGGER як крок до запровадження «розмовних агентів», які можуть взаємодіяти з людьми природним чином за допомогою мови, жестів і зорового контакту.
І хоча технологія відкриває низку потенційних застосувань, вона також викликає занепокоєння щодо створення дипфейків та розповсюдження дезінформації.
