Pesquisadores do centro de pesquisa de IA da Samsung em Cambridge, Reino Unido, juntamente com especialistas em ciência da computação do Imperial College London, colaboraram em um projeto para criar uma rede adversária generativa (GAN), que pode animar e sincronizar perfeitamente os movimentos faciais de imagens 2D. com clipes de áudio contendo vozes humanas.
Além de sincronizar os movimentos dos lábios e da boca, este modelo de inteligência artificial também pode ajustar os movimentos das sobrancelhas e piscar os olhos para fazer com que os rostos que cria pareçam mais naturais. Porém, a tarefa mais importante ainda será sincronizar os lábios e a boca com o som emitido. Hoje, essa etapa geralmente é realizada durante a pós-edição ou por meio de computação gráfica.
Centro de IA da Samsung
Os pesquisadores acreditam que o modelo poderia ser usado para gerar automaticamente rostos falantes para personagens de desenhos animados da maneira mais natural, melhorando a visibilidade em videochamadas com baixa largura de banda, proporcionando melhor sincronização de boca ou dublagem para filmes estrangeiros.
Entre os exemplos dessa pesquisa compartilhados no YouTube, o mais impressionante é o vídeo que retrata o notório místico russo Rasputin (1869 - 1919) “executando” a música da cantora Halo, artista Beyoncé. Alguns outros vídeos também são muito notáveis, como os falecidos rappers 2Pac e Biggie cantando covers de suas obras, ou o grande cientista Albert Einstein lendo uma citação sobre a linguagem comum da ciência.
O monge sombrio Rasputin está cantando a música Halo
Além disso, existem muitos outros exemplos de vídeos interessantes, você pode consultá-los em: https://sites.google.com/view/facial-animation/home
A notícia da pesquisa acima veio apenas um mês depois que outro centro de pesquisa de IA da Samsung em Moscou apresentou um projeto para criar animações 2D usando inteligência artificial sem usar modelos 3D. Sabe-se que esta tecnologia pode ser usada para criar avatares digitais ou imagens deepfake mais convincentes.
O uso de redes GAN para falsificar mídia digital, como imagens e vídeos, emergiu como uma tendência notável no campo geral da IA em todo o mundo nos últimos anos. Muitos modelos sofisticados de GAN foram introduzidos no âmbito de conferências de inteligência artificial, como ICML, CVPR e muitos outros eventos notáveis desde o início do ano até agora.

Entre eles, alguns modelos notáveis com potencial de aplicação extremamente alto incluem o GauGAN da Nvidia, que pode transformar rabiscos no estilo MS Paint em "obras-primas" artísticas. Ou CollaGEN, método criado por pesquisadores coreanos para repor a quantidade de dados faltantes em cada imagem.
Embora o potencial de contribuição das ferramentas deepfake em muitos campos diferentes seja enorme, os riscos potenciais que elas trazem também são uma dor de cabeça para os cientistas.
Na verdade, esta tecnologia é frequentemente explorada para se passar por pessoas famosas (atores, cantores, modelos...) em vídeos falsos ou pior, em filmes pornográficos. Pode-se perceber que esta tecnologia criou um forte choque porque muitas pessoas acreditaram que era verdade. Isto não só afeta a honra e a dignidade da pessoa que está sendo forjada, mas também provoca agitação na opinião pública e causa muitas polêmicas ou conflitos ainda piores.

Talvez no futuro, os cientistas, bem como as agências de gestão estatal, precisem de se reunir para encontrar convenções para a utilização desta maravilhosa tecnologia de forma adequada e segura para a comunidade.