Корпорация Meta (ранее Facebook) Марка Цукерберга представила новую нейросеть Make-A-Video, генерирующую видеоролики по текстовому описанию.
В официальном блоге разработчиков нейросети говорится, что подразделение Meta AI продвинулось в исследовании искусственного интеллекта и использовало свои наработки для создания нового сервиса.
Корпорация Meta (ранее Facebook) Марка Цукерберга представила новую нейросеть Make-A-Video, генерирующую видеоролики по текстовому описанию.
В официальном блоге разработчиков нейросети говорится, что подразделение Meta AI продвинулось в исследовании искусственного интеллекта и использовало свои наработки для создания нового сервиса.
В основу Make-A-Video легла генеративная нейросеть, использующая общедоступные наборы данных, то есть кадры, которые можно легко найти в интернете, речь идет о миллионах видеороликов общей продолжительностью в сотни тысяч часов. В скором времени компания планирует выпустить публичную демоверсию своей системы.
«С помощью нескольких слов или строк текста Make-A-Video может воплотить в жизнь воображение и создать уникальные видеоролики, полные ярких цветов, персонажей и пейзажей. Система также может создавать видео из изображений или брать имеющиеся видео и создавать новые, похожие на них», пишет Meta.
Пользователю достаточно описать сцену несколькими предложениями, которые Make-A-Video попытается воспроизвести в виде ролика. Видео пока получаются нереалистичными, с размытыми краями и «рваной» анимацией, однако это значительный прорыв в мире современных ИИ-технологий.
На сайте размещено несколько примеров уже готовых работ Make-A-Video. Под каждым роликом указан текстовый запрос, на основе которого его сеть создавала. Аналитики предполагают, что для демонстрации Meta отобрала качественные результаты, чтобы показать систему в лучшем свете.
Генеральный директор Meta Марк Цукерберг в Facebook отметил «удивительный прогресс» проекта. Он обратил внимание, что создавать видео гораздо сложнее, если сравнить с фотографиями, ведь системе нужно не только правильно сгенерировать каждый пиксель, но и предсказать, как изображение должно изменяться впоследствии.
В статье, посвященной исследованию, Meta рассказывает, что ее модель имеет множество технических ограничений, кроме размытия. ИИ не может усвоить информацию так же, как человек во время просмотра видео, например, в какую сторону двигается рука. У Make-A-Video возникают трудности с созданием видео продолжительностью более пяти секунд, нескольких сцен и работы с высоким разрешением. Сейчас модель создает видео из 16 кадров с разрешением 64 на 64 пикселя, которые затем увеличиваются в размере с помощью отдельного алгоритма до 768 на 768 пикселей. Кроме того, вместе с информацией из интернета ИИ мог изучить вредоносные предубеждения и стереотипы.
The Verge акцентирует внимание на том, что модели искусственного интеллекта могут учиться — пусть пока видео выглядят хуже созданных людей, но в будущем их качество должно значительно возрасти. Имеющиеся генераторы изображений по текстовому описанию несколько лет назад предлагали размытый и непонятный контент, а сегодня выдают фотореалистичные картинки. Пусть в случае создания видео прогресса должно идти медленнее, но предварительные результаты могут поразить инвесторов и побуждать их вкладывать деньги в развитие технологии.
Однако видеоматериалы, созданные ИИ, могут использовать для дезинформации, пропаганды и порнографии, чтобы шантажировать людей. Подобное уже наблюдается в случае технологии дипфейков (Deepfake) и генераторами изображений, пишет «Фокус».
Поддерживал информационно.