Ipinakilala ng Google ang Makabagong Generative Image Dynamics na Gayahin ang Mga Dynamic na Eksena sa Mga Static na Larawan
Inihayag ng Google ang isang Generative Image Dynamics, ang isang nobelang diskarte ay nagbibigay-daan sa pagbabago ng a solong static na imahe sa isang tuluy-tuloy na pag-loop na video o isang interactive na dynamic na eksena, na nag-aalok ng malawak na hanay ng mga praktikal na aplikasyon.
Sa ubod ng pangunguna na teknolohiyang ito ay ang pagmomodelo ng isang image-space bago ang dynamics ng eksena. Ang layunin ay lumikha ng isang komprehensibong pag-unawa sa kung paano maaaring kumilos ang mga bagay at elemento sa loob ng isang imahe kapag sumailalim sa iba't ibang mga dynamic na pakikipag-ugnayan. Ang pag-unawang ito ay maaaring gamitin upang gayahin ang tugon ng object dynamics sa mga pakikipag-ugnayan ng user nang epektibo.
Ang pangunahing tampok ng teknolohiyang ito ay ang kakayahang makabuo ng tuluy-tuloy na pag-loop ng mga video. Sa pamamagitan ng paggamit ng image-space bago ang dynamics ng eksena, maaaring i-extrapolate at palawakin ng system ng Google ang paggalaw ng mga elemento sa loob ng isang imahe, na ginagawa itong isang mapang-akit at tuluy-tuloy na video loop. Ang functionality na ito ay nagbubukas ng maraming malikhaing posibilidad para sa mga tagalikha at taga-disenyo ng nilalaman.
Ang teknolohiya ay nagbibigay-daan sa mga user na makipag-ugnayan sa mga bagay sa loob ng mga static na imahe nang makatotohanan. Sa pamamagitan ng pagtulad sa tugon ng object dynamics sa excitement ng user, pinapayagan ng system ng Google immersive at interactive na mga karanasan sa loob ng mga larawan. Ito ay may potensyal na magbago mga puwang ng metaverse at kung paano nakikipag-ugnayan ang mga user sa visual na nilalaman.
Ang pundasyon ng pagbabagong ito ay namamalagi sa isang meticulously trained na modelo. Natututo ang modelo ng Google mula sa isang malawak na dataset ng mga motion trajectories na nakuha mula sa mga tunay na sequence ng video na nagtatampok ng natural, oscillating motion. Kasama sa mga sequence na ito ang mga eksenang may mga elemento tulad ng pag-ugoy ng mga puno, mga bulaklak na gumagalaw, pagkutitap ng mga kandila, at pag-ihip ng hangin. Ang magkakaibang dataset na ito ay nagbibigay-daan sa modelo na maunawaan ang isang malawak na hanay ng mga dynamic na gawi.
Kapag iniharap sa a Iisang larawan, ang sinanay na modelo ay gumagamit ng isang frequency-coordinated diffusion sampling na proseso. Ang prosesong ito ay hinuhulaan ang isang per-pixel na pangmatagalang representasyon ng paggalaw sa Fourier domain, na tinatawag na isang neural stochastic motion texture. Ang representasyong ito ay binago sa mga siksikan na kilos na sumasaklaw sa isang buong video. Kasama ng isang image-based na rendering module, ang mga trajectory na ito ay maaaring gamitin para sa iba't ibang praktikal na aplikasyon.
Kung ikukumpara sa priors over raw RGB pixels, priors over motion capture ang mas basic, lower-dimensional under-dimensional na istraktura na mahusay na nagpapaliwanag ng mga variation sa mga pixel value. Ito ay humahantong sa mas magkakaugnay na pangmatagalang henerasyon at mas pinong kontrol sa mga animation kumpara sa mga naunang pamamaraan na gumaganap animation ng imahe sa pamamagitan ng raw video synthesis.
Ang nabuong representasyon ng paggalaw ay maginhawa para sa isang bilang ng mga downstream na application, tulad ng paggawa ng tuluy-tuloy na pag-loop na mga video, pag-edit ng nabuong paggalaw, at pagpapagana ng interactive mga dynamic na imahe, ginagaya ang tugon ng object dynamics sa mga puwersang inilapat ng user.
Magbasa ng higit pang mga kaugnay na paksa:
Pagtanggi sa pananagutan
Sa linya na may Mga alituntunin ng Trust Project, pakitandaan na ang impormasyong ibinigay sa pahinang ito ay hindi nilayon at hindi dapat bigyang-kahulugan bilang legal, buwis, pamumuhunan, pananalapi, o anumang iba pang paraan ng payo. Mahalagang mamuhunan lamang kung ano ang maaari mong mawala at humingi ng independiyenteng payo sa pananalapi kung mayroon kang anumang mga pagdududa. Para sa karagdagang impormasyon, iminumungkahi naming sumangguni sa mga tuntunin at kundisyon pati na rin sa mga pahina ng tulong at suporta na ibinigay ng nagbigay o advertiser. MetaversePost ay nakatuon sa tumpak, walang pinapanigan na pag-uulat, ngunit ang mga kondisyon ng merkado ay maaaring magbago nang walang abiso.
Tungkol sa Ang May-akda
Si Damir ang pinuno ng pangkat, tagapamahala ng produkto, at editor sa Metaverse Post, sumasaklaw sa mga paksa gaya ng AI/ML, AGI, LLMs, Metaverse, at Web3-mga kaugnay na larangan. Ang kanyang mga artikulo ay umaakit ng napakalaking madla na mahigit sa isang milyong user bawat buwan. Mukhang isa siyang eksperto na may 10 taong karanasan sa SEO at digital marketing. Nabanggit si Damir sa Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, at iba pang publikasyon. Naglalakbay siya sa pagitan ng UAE, Turkey, Russia, at ng CIS bilang digital nomad. Nakamit ni Damir ang bachelor's degree sa physics, na pinaniniwalaan niyang nagbigay sa kanya ng mga kritikal na kasanayan sa pag-iisip na kailangan para maging matagumpay sa pabago-bagong tanawin ng internet.
Mas marami pang artikulo
Si Damir ang pinuno ng pangkat, tagapamahala ng produkto, at editor sa Metaverse Post, sumasaklaw sa mga paksa gaya ng AI/ML, AGI, LLMs, Metaverse, at Web3-mga kaugnay na larangan. Ang kanyang mga artikulo ay umaakit ng napakalaking madla na mahigit sa isang milyong user bawat buwan. Mukhang isa siyang eksperto na may 10 taong karanasan sa SEO at digital marketing. Nabanggit si Damir sa Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, at iba pang publikasyon. Naglalakbay siya sa pagitan ng UAE, Turkey, Russia, at ng CIS bilang digital nomad. Nakamit ni Damir ang bachelor's degree sa physics, na pinaniniwalaan niyang nagbigay sa kanya ng mga kritikal na kasanayan sa pag-iisip na kailangan para maging matagumpay sa pabago-bagong tanawin ng internet.
