AI τεχνολογία της Nvidia μετατρέπει 2D φωτογραφίες σε 3D για τις βιντεοκλήσεις

[trib]

Η Τεχνητή Νοημοσύνη της Nvidia θα μετατρέπει την 2D εικόνα του προσώπου του χρήστη σε 3D.

Οι ερευνητές της Nvidia AI παρουσίασαν μία Τεχνητή Νοημοσύνη με την οποία μπορούν να δημιουργήσουν 3D πρόσωπα και κατ’ επέκταση 3D κεφάλια, από μία μόνο εικόνα 2D. Η ομάδα των ερευνητών λέει ότι είναι σε θέση να επιτύχουν ένα ευρύ φάσμα χειρισμών, όπως περιστροφή, μετακίνηση του κεφαλιού ενός ατόμου αλλά και την ομαλή μεταφορά του προσώπου μέσα σε ένα ανακατασκευασμένο βίντεο.

Στο πρώτο καρέ του βίντεο, η AI χρησιμοποιεί μία συνηθισμένη 2D φωτογραφία και στη συνέχεια μέσω μεθόδων εκμάθησης συλλέγει τρισδιάστατα σημεία εντός του βίντεο. Εκτός του ότι αποδίδει καλύτερα σε σύγκριση με άλλες προσεγγίσεις που έχουν γίνει στο παρελθόν, η Τεχνητή Νοημοσύνη της Nvidia μπορεί και επιτυγχάνει υψηλής ποιότητα βίντεο σε φορμά H.264 χρησιμοποιώντας το 1/10 του bandwidth που χρειάζονταν προηγουμένως.

Οι ερευνητές της Nvidia, Ting-Chun Wang, Arun Mallya και Ming-Yu Liu, δημοσίευσαν ένα έγγραφο στο οποίο αναφέρουν:

Με την τροποποίηση μόνο των σημείων που συλλέγει η AI, μπορούμε να δημιουργήσουμε βίντεο πολλών κατευθύνσεων. Με τη μετάδοση μόνο των μετασχηματισμένων σημείων, μπορούμε να επιτύχουμε πολύ καλύτερες αναλογίες συμπίεσης από τις υπάρχουσες μεθόδους. Μειώνοντας δραματικά το bandwidth και διασφαλίζοντας μία πιο συναρπαστική εμπειρία, πιστεύουμε ότι αυτό είναι ένα σημαντικό βήμα προς το μέλλον των τηλεδιασκέψεων.

Η ανακοίνωση του νέου AI έρχεται έπειτα την κυκλοφορία του Maxine, τον προηγούμενο Οκτώβριο. Το Maxine, εκτός από εικονικά περιβάλλοντα, όπως κάνει το Zoom, θα μπορεί να προσφέρει και λειτουργίες AI όπως ευθυγράμμιση του προσώπου και μείωση θορύβου, ενώ θα έχει ακόμη και δυνατότητες μετάφρασης σε πραγματικό χρόνο.

Οι βιντεοκλήσεις των Microsoft Teams και Zoom χρησιμοποιούν επίσης λειτουργίες AI για να κάνουν πράγματα όπως θαμπάδα στο φόντο και κινούμενα εφέ επαυξημένης πραγματικότητας. Το έγγραφο σχετικά με την κυκλοφορία του Nvidia AI δημοσιεύθηκε μία ημέρα πριν η Salesforce εξαγοράσει το Slack για $27 δισεκατομμύρια, κάτι που θα μπορούσε να συγκλονίσει το επιχειρηματικό τοπίο των επικοινωνιών και να πυροδοτήσει τη διαμάχη μεταξύ του Teams και Slack.

Η Nvidia είναι από τις πιο γνωστές εταιρίες που εργάζονται σε μοντέλα GAN (Generative Adversarial Networks) όπως το StyleGan, τα οποία έχουν τη δυνατότητα να θολώνουν τις γραμμές μεταξύ αληθινού και εικονικού. Τέτοια μοντέλα AI συνήθως εφαρμόζονται σε υπηρεσίες ψυχαγωγίας και παιχνίδια αλλά και για παραπληροφόρηση ή δημιουργία πλαστών λογαριασμών. Καθώς ήδη υπάρχουν ανησυχίες σχετικά με την πιθανότητα όλο και περισσότερων deepfakes με στόχο την παραπληροφόρηση και τη διαμόρφωση της κοινής γνώμης, τα μοντέλα GAN χρήζουν ιδιαίτερης μεταχείρισης αφού ήδη έχουν γίνει προσπάθειες στοχευμένης προπαγάνδας.

Διαβάστε ολόκληρο το άρθρο

[kotronas]

Η AI είναι γένους θυληκό είναι γυναίκα όποτε όπως καταλαβάτε την έχουμε κάτσει.

[balt123]

4 λεπτά πριν, kotronas είπε

Η AI είναι γένους θυληκό είναι γυναίκα όποτε όπως καταλαβάτε την έχουμε κάτσει.

αν ήταν ουδέτερο θα ήταν το skynet οπότε πάλι το ίδιο... δεν υπάρχει σωτηρία.

[Shadowjump]

Ωραια και εκληκτικα ολα αυτα που βγαινουν!

Εμεις ομως τα Tensor cores εκτος απο shadows και bouncing lights ποτε θα τα χρησιμοποιησουμε για κατι πιο πρακτικο; π.χ. διορθωση παλιων/χαλασμενων φωτογραφιων;

[AgiosEfraim]

Ωραια τεχνολογία αλλα αρχη ακόμα, ολοι οσοι εδειξε με pseudo rotation ειναι σαν να εχουν παθει εγκεφαλικό. Η πλευρά που δεν φαινόταν πριν το rotation ειναι ημι-λιποθυμη. 

Ελπιζω αν σε δει κανα δυο φορες στην ευθεία να το διορθώνει αυτο. 

[telis]

Ω ρε τι έχει να γίνει με τα dic pics

[darkmatinee]

Russian trolls approve this message!

[kallair]

Μονο εγω προσεξα οτι οταν στριβουν το κεφαλι, στραβωνει το στομα λες κ εχει παθει εγκεφαλικο;

[Retromaniac]

1 ώρα πριν, kallair είπε

Μονο εγω προσεξα οτι οταν στριβουν το κεφαλι, στραβωνει το στομα λες κ εχει παθει εγκεφαλικο;

Όχι όλοι σχεδόν το προσέξαμε...

[rus]

Tοσο σημαντικο ειναι να βλεπoυμε 3D τα μουτρα αυτου με τον οποιο μιλαμε?

[attanaze]

Εκπληκτικό, τι μας περιμένει σε μερικά χρόνια!!!!!

[Retromaniac]

8 ώρες πριν, rus είπε

Tοσο σημαντικο ειναι να βλεπoυμε 3D τα μουτρα αυτου με τον οποιο μιλαμε?

Μάλλον δεν κατάλαβες. Δεν βλέπεις σε 3d τίποτα. Το λογικό αναγνώρισης αναλύει το πρόσωπο σε τρίγωνα και textures ώστε να στέλνει κάθε φορά μόνο οδηγίες περιστροφής του προσώπου και όχι όλο το προσωπο σαν video. Έτσι μειώνεται πολύ το  bandwidth. Ο άλλος συνεχίζει απλά και λαμβάνει την εικόνα σαν βίντεο.

[rus]

10 λεπτά πριν, Retromaniac είπε

Μάλλον δεν κατάλαβες. Δεν βλέπεις σε 3d τίποτα. Το λογικό αναγνώρισης αναλύει το πρόσωπο σε τρίγωνα και textures ώστε να στέλνει κάθε φορά μόνο οδηγίες περιστροφής του προσώπου και όχι όλο το προσωπο σαν video. Έτσι μειώνεται πολύ το  bandwidth. Ο άλλος συνεχίζει απλά και λαμβάνει την εικόνα σαν βίντεο.

ok, να το αλλαξω λοιπον: Tοσο σημαντικο ειναι να εχουμε περιστροφη προσωπου αυτου με τον οποιο μιλαμε?

[Retromaniac]

2 ώρες πριν, rus είπε

ok, να το αλλαξω λοιπον: Tοσο σημαντικο ειναι να εχουμε περιστροφη προσωπου αυτου με τον οποιο μιλαμε?

Αυτό είναι ένα free feature επειδή κάνεις την μετατροπή σε 3d. Αμα θες το βάζεις, αμα θες οχι.

[rus]

13 ώρες πριν, Retromaniac είπε

Αυτό είναι ένα free feature επειδή κάνεις την μετατροπή σε 3d. Αμα θες το βάζεις, αμα θες οχι.

Nαι, δε φανταστηκα οτι θα ειναι και υποχρεωτικο. Το σχολιαζουμε επειδη αποτελει το αντικειμενο του αρθρου.