Mākslīgā intelekta (AI) teksta-attēlu ģeneratori pēdējos mēnešos ir nonākuši virsrakstos, taču pētnieki jau ir pārgājuši uz nākamo robežu: ar mākslīgo intelektu darbināmi teksta-video ģeneratori. Meta pētnieki publiski prezentējuši šādu jaunu ģeneratoru, vēsta The Verge.
Meta mašīnmācības inženieru komanda uzrādīts jauna sistēma ar nosaukumu Make-A-Video. Šis AI modelis ļauj lietotājiem ievadīt aptuvenu ainas aprakstu, un tas ģenerē īsu video, kas atbilst viņu tekstam. Videoklipi ir nepārprotami mākslīgi, ar izplūdušiem objektiem un izkropļotām animācijām, taču joprojām ir ievērojams sasniegums mākslīgā intelekta satura ģenerēšanas jomā.
Savā amatā par Facebook Meta izpilddirektors Marks Cukerbergs darbu raksturoja kā "apbrīnojamu progresu", piebilstot: "Video izveide ir daudz grūtāka nekā fotogrāfijas, jo papildus katra pikseļa pareizai ģenerēšanai sistēmai ir arī jāparedz, kā tie laika gaitā mainīsies."
Klipi ilgst ne vairāk kā piecas sekundes un nesatur skaņu, bet aptver milzīgu pavedienu klāstu. Lai gan ir skaidrs, ka video ir datora ģenerēts, šādu AI modeļu kvalitāte tuvākajā nākotnē strauji uzlabosies. Tikai dažu gadu laikā AI attēlu ģeneratori no gandrīz nesaprotamu attēlu radīšanas ir kļuvuši par fotoreālistisku saturu. Un, lai gan video progress var būt lēnāks, ņemot vērā tēmas gandrīz neierobežoto sarežģītību, balva par nevainojamu video veidošanu motivēs daudzas organizācijas un uzņēmumus ieguldīt ievērojamus resursus projektā.
Uzņēmums saka, ka plāno izlaist sistēmas demonstrācijas versiju, taču nav paziņojis, kad un kā tā tiks ieviesta. Rakstā, kurā aprakstīts modelis, Meta pētnieki atzīmē, ka Make-A-Video ir apmācīts par attēlu parakstu pāriem, kā arī bez etiķetes.
Apmācības saturs tika iegūts no divām datu kopām, WebVid-10M un HD-VILA-100M, kas kopā satur miljoniem video un aptver simtiem tūkstošu stundu videomateriālu. Starp citu, tas ietver fondu kadrus.
Pētnieki atzīmē, ka modelim ir daudz tehnisku ierobežojumu, papildus izplūdušiem kadriem un izkliedētām animācijām. Make-A-Video izvada 16 video kadrus ar izšķirtspēju 64 × 64 pikseļi, kuru izmērs pēc tam tiek mainīts, izmantojot atsevišķu AI modeli, līdz 768 × 768 pikseļiem.
Jūs varat palīdzēt Ukrainai cīnīties pret krievu iebrucējiem. Labākais veids, kā to izdarīt, ir ziedot līdzekļus Ukrainas bruņotajiem spēkiem Savelife vai izmantojot oficiālo lapu NBU.
Interesanti arī:
- Mākslīgais intelekts palīdz atrast jaunas kosmiskās anomālijas
- Bijušais Google vadītājs mākslīgo intelektu salīdzināja ar kodolieročiem