サムスンのディープフェイクで闇の修道士ラスプーチンを本物に歌わせることができる

英国ケンブリッジにあるサムスンの AI 研究センターの研究者とインペリアル カレッジ ロンドンのコンピューター サイエンスの専門家は、2D 画像の顔の動きをアニメーション化して完全に同期できる敵対的ネットワーク (GAN) を作成するプロジェクトに協力しました。人間の声を含むオーディオクリップを使用します。

この人工知能モデルは、唇と口の動きを同期させるだけでなく、眉毛の動きやまばたきを調整して、作成する顔をより自然に見せることもできます。ただし、最も重要な作業は、唇と口を発せられる音と同期させることです。現在、このステップはポスト編集中、またはコンピューター グラフィックスの使用を通じて行われることがよくあります。

• AI モデルは航空および地上データを使用して、観察が困難なエリアに移動します

サムスンAIセンター

研究者らは、このモデルを使用すると、最も自然な方法で漫画のキャラクターの話し顔を自動的に生成でき、低帯域幅のビデオ通話での視認性が向上し、口の同期や外国映画の吹き替えが向上すると考えています。

YouTube で共有されたこの研究の例の中で、最も印象的なのは、悪名高いロシアの神秘家ラスプーチン (1869 ～ 1919) が女性歌手の Halo アーティストのビヨンセの曲を「演奏」している様子を描いたビデオです。ラッパーの故2パックとビギーが自分たちの作品のカバーを歌ったり、偉大な科学者アルバート・アインシュタインが科学の共通言語についての引用を朗読したりするビデオなど、他のビデオも非常に注目に値します。

• Nvidia の STEAL AI は、コンピューター ビジョン モデルに対するより優れた推論サポートを提供します

暗黒僧ラスプーチンが「Halo」という曲を演奏している

さらに、他にも興味深いビデオ例が多数あります。https: //sites.google.com/view/facial-animation/homeで参照できます。

上記の研究のニュースは、モスクワにある別のサムスン AI 研究センターが、モデルを使用せずに人工知能を使用して 2D アニメーションを作成するプロジェクトを導入してからわずか 1 か月後に発表されました。この技術を使用すると、より説得力のあるデジタル アバターやディープフェイク画像を作成できることが知られています。

画像やビデオなどのデジタル メディアを偽装するために GAN ネットワークを使用することは、近年、世界中の一般的な AI 分野で注目すべき傾向として浮上しています。今年の初めから現在まで、ICML、CVPR、その他多くの注目すべきイベントなどの人工知能カンファレンスの枠組みの中で、多くの洗練された GAN モデルが紹介されてきました。

• AI 分野の 5 人の天才頭脳が協力して素晴らしいロボットを作成

ラスプーチンと歌手のビヨンセのような人

その中でも、アプリケーションの可能性が非常に高い注目すべきモデルには、MS ペイント スタイルの落書きを芸術的な「傑作」に変えることができる Nvidia の GauGAN などがあります。または、CollaGEN は、韓国の研究者によって作成された、各画像内の欠落データ量を置き換える手法です。

ディープフェイクツールがさまざまな分野に貢献する可能性は非常に大きいですが、ディープフェイクツールがもたらす潜在的なリスクも科学者にとって頭の痛い問題です。

実際、このテクノロジーは、偽のビデオや、さらに悪いことにはポルノ映画で有名人 (俳優、歌手、モデルなど) になりすますために悪用されることがよくあります。多くの人がそれを真実だと信じていたため、このテクノロジーは強い衝撃を与えたことがわかります。これは、偽造される人の名誉と尊厳に影響を与えるだけでなく、世論を揺るがし、多くの論争やさらにひどい紛争を引き起こす原因になります。

• 日本の人工知能が超リアルな仮想ファッションモデルを作成

ディープフェイクには多くの潜在的なリスクが含まれています

おそらく将来的には、科学者と国家管理機関が協力して、この素晴らしいテクノロジーを地域社会のために適切かつ安全に使用するための規約を見つける必要があるでしょう。