Kas olete kunagi mõelnud, kui uskumatu oleks kirjutada lihtne tekstirida ja silmapilguga saada... Fotorealistlik ja sidus videoSee pole ulme, vaid Google Lumiere'i lubadus – tehisintellekti mudel, mis murrab visuaalse loomingu vorme tipptehnoloogia abil, mida nimetatakse... ruumiline ajaline difusioonKõigile, kes on seotud tehnoloogiasektoriga või lihtsalt innovatsioonist huvitatud, on selle hüppe mõistmine võtmetähtsusega, et mitte tänapäeva digimaastikul maha jääda.
Vastupidiselt paljude arvamusele ei räägi me programmist, mis lihtsalt lisab staatilistele piltidele liikumist. Tegemist on a-ga nullist projekteeritud arhitektuur et mõista objektide nihkumise füüsikat nii ajas kui ka ruumis. See Google'i laborites loodud projekt sündis selge eesmärgiga välistada järsud hüpped Ja need kummalised liigutused, mis panid tehisintellekti loodud videod seni veidi sürreaalsed tunduma.
Mis täpselt on Lumière'i maagia?
Generatiivse tehisintellektiga video suurim probleem oli selle ebajärjekindlus. Objekti kuju võis sekundiga muutuda või see moondus. Lumiere lahendab selle probleemi, sest töötleb kogu teavet samaaegselttakistades tehisintellektil kümnenda kaadrini jõudes esimese kaadri "unustamist". See tagab, et visuaalne stabiilsus ole täielik: kui kass jookseb läbi aia, jääb ta kogu klipi vältel samaks kassiks, muutmata end poole klipi jooksul millekski muuks.
Tehniline võti peitub süsteemis Ruumi-Aja-U-Net (STUNet)Kuigi enamik traditsioonilisi tööriistu loob videot kaaderhaaval (klassikaline animatsioonistiil), genereerib Lumiere kogu jada ühe sammugaSee lähenemisviis võimaldab sujuvat ja loomulikku liikumist, kuna mudel analüüsib piksleid ja aega samaaegselt, mõistes füüsika põhimõisteid, nagu veevool või langevate esemete kaal.
Loomingulised võimalused ja redigeerimisvahendid
Loominguliste osakondade võimalused on ausalt öeldes meeletud. Üks nende peamisi funktsioone on tekst videokskus tehisintellekti jaoks piisab detailse stseeni kirjeldamisest, et see ellu äratada. Kuid see ei piirdu ainult sellega; see saab ka fotodele ellu äratamiseksstaatilise pildi teisendamine videoks, kus pilved liiguvad või jõgi loomulikult voolab.
Lisaks on Lumiere suurepärane automatiseeritud järeltöötluses. See võimaldab selliseid ülesandeid nagu sissemaalimine ja valikuline redigeerimine tekstikäskluste abil. Näiteks võite paluda tal muuta ainult inimese riiete värvi eelnevalt salvestatud videos või lisada aksessuaare, näiteks prille või kroone, jättes samal ajal ülejäänud stseeni samaks. täiesti terviklik ja ühtlaneSee võimaldab teil isegi luua kinograafiaid, animeerides ainult foto teatud ala, samal ajal kui ülejäänu jääb paigale.
Tehniline analüüs ja jõudlus
Mis puutub numbritesse, siis süsteem suudab genereerida klippe umbes viis sekundit...mis teeb 80 kaadrit kiirusega 16 kaadrit sekundis ja resolutsiooniga 1.024 x 1.024 pikslit. Kuigi Google hindab neid tulemusi "madala resolutsiooniga", on nahatekstuuride, metallurgia ja ... realism ... dünaamiline valgustuse juhtimine See on üllatav. Selle saavutamiseks treeniti mudelit tohutu hulga ... abil. 30 miljonit videot koos tekstiliste kirjeldustega.
Võrdlus konkurentidega ja saadavus
Kui võrdleme seda teiste hiiglastega, näeme huvitavaid nüansse. Kusjuures Sora OpenAI-st Kuigi Lumiere paistab silma pikemate klippide loomise poolest, keskendub see oma üheastmelise arhitektuuri tõhususele ja redigeerimise täpsusele. Võrreldes ... Raja või PikaGoogle'i ettepanek valib fotograafilisema ja tehnilisema realismi, mis sobib ideaalselt professionaalsesse ja turunduskeskkonda, eemaldudes mõnevõrra fantastilisematest stiilidest.
Nüüd, siin on peenes kirjas: See ei ole avalikkusele avatud. Üldine. See on praegu kontrollitud testimise faasis olev uurimisprojekt. Google on väljalaskega väga ettevaatlik, et täiustada turvafiltreid ja vältida selliste väärkasutamise võimaluste loomist. süvavõltsingud või desinformatsioonKuuldavasti võidakse mõned funktsioonid lähitulevikus integreerida YouTube'i või Google Workspace'i.
Mõju tööstusele ja eetikale
Selle tehnoloogia kasutuselevõtt toob kaasa radikaalse muutuse kinos, võimaldades režissööridel teha stseeni eelvaade väga odavalt enne filmimist. Turunduses saavad brändid automaatselt genereerida hüperpersonaliseeritud reklaame. Sellega kaasneb aga tohutu vastutus, mis sunnib tööstust looma vesimärgid ja verifitseerimissüsteemid eristamaks ehtsat ja kunstlikult loodud asja.
See mudel, mis avaldab austust kino pioneeridele, Lumière'i vendadele, tähistab pöördepunkti, kus Loovusel pole enam tehnilisi piire.Kolmemõõtmelisuse ja aja mõistmine ühes närvivõrgus viib meid lähemale tulevikule, kus kujutlusvõime ja visuaalse teostuse vaheline barjäär on praktiliselt kadunud, muutes seda, kuidas me digitaalajastul lugusid jutustame.