Хашем Ал-Гаили, јеменски молекуларен биолог, популаризатор на науката и режисер, е најпознат по истоимената Фејсбук страница, која ја лансираше во 2008 година. Објавува инфографици и кратки видеа за научни вести и истражувања. До октомври 2022 година, страницата имаше повеќе од 32 милиони следбеници, а близу милион луѓе го следат на Инстаграм.
Со неверојатниот успех на алатките што користат вештачка интелигенција за обработка на фотографии, текст или снимки, се појави голем интерес за „оживување“ на историските личности. Имено, врз основа на бисти, скулптури и слики, Хашем со помош на вештачката интелигенција покажа како навистина изгледале некои познати историски личности. Иако вештачката интелигенција не е секогаш точна, конечниот резултат е најблиску до тоа како навистина изгледале.
Видео клипот ги прикажува Нефертити, Александар Македонски, Сократ, Никола Тесла, Исак Њутн, Галилео Галилеј, Наполеон, Бетовен, Вилијам Шекспир…
Како вештачката интелигенција прави видео од фотографија или биста на историска личност?
Процесот вклучува неколку клучни технологии во областите на компјутерски вид, длабоко учење и синтеза на движење и глас. Подолу се прикажани главните фази:
- Анализа на лице од фотографија или биста
Вештачката интелигенција користи алгоритми за препознавање на лица за да идентификува клучни точки на лицето – како што се очи, веѓи, усни, брада и контури на лицето. Дури и кога станува збор за биста (скулптура), системот ги препознава основните облици и ориентација на лицето.
Негова цел е да ја разбере анатомијата и изразите на лицето за да може да ја „мапира“ анимацијата.
- Анимација на лице со користење на модели на движење
Потоа се користи генеративен модел (најчесто варијанта на Генеративни непријателски мрежи – GAN или AI за пренос на движење), кој врз основа на постоечка фотографија или биста симулира движења на лицето – како што се говор, трепкање, навалување на главата итн.
ВИ користи примерок – да речеме, видео од вистинско лице кое зборува – и го „пренесува“ тоа движење на неподвижна слика. Ова се нарекува пренос на снимање на движење.
- Конечна обработка: осветлување, позадина, текстури
Конечно, ВИ додава завршни допири:
-осветлување и сенки во согласност со сцената
-можна позадина
боја на кожа, текстура на облека итн.
Кои технологии се користат?
Длабока носталгија (MyHeritage) – популарна услуга за анимирање стари фотографии
D-ID, Synthesia, Reface – платформи за генерирање лица што зборуваат од слики
Модел на движење од прв ред – алгоритам со отворен код за анимација на фотографии
StyleGAN / GANimation – генеративни мрежи за креирање реалистични изрази
