Ainda estamos tentando descobrir as melhores aplicações para redes neuronais, machine learning e todos os avanços recentes em inteligência artificial. Entre todas as pesquisas práticas levadas a cabo, também se realizam muitos experiências frívolas com resultados que marcam a linha entre o fascinante e o assustador. O processamento automatizado de imagens surgiu com força como grupo de redes neuronais artificiais, alimentado em parte por décadas de todos compartilhando fotos e selfies entre si na Internet. E isso acabou servindo de matéria prima para a área.
|
Explicando: como resultado, existem enormes arquivos de fotos de rostos que são utilizado para treinar às IAs para que façam de tudo, desde usuários que envelhecem artificialmente em aplicações móveis inovadoras até gerar enormes coleções de rostos fotorrealistas de pessoas que em realidade não existem.
A indústria da fotografia de arquivo já nunca será a mesma, mas Mario Klingemann se perguntou o que ocorreria se essas mesmas redes neuronais artificiais produzissem imagens de rostos falsos que se sincronizassem com a música, gerando caras mais expressivas em função do ritmo de uma canção.
A indústria da fotografia de arquivo já nunca será a mesma, mas Mario Klingemann se perguntou o que ocorreria se essas mesmas redes neuronais artificiais produzissem imagens de rostos falsos que se sincronizassem com a música, gerando caras mais expressivas em função do ritmo de uma canção.
vídeo
copie link do vídeo https://youtu.be/A6bo_mIOto0
Klingemann utilizou a rede de confrontação StyleGAN2 que foi criada pela Nvidia e finalmente lançada como ferramenta de código aberto faz mais de um ano. Não realizou nenhum treinamento de imagem personalizado, senão que modificou a GAN para ajustar seus resultados de saída em função do espectro de som de um arquivo de áudio determinado, que em neste caso é a canção "Triggernometry" de Kraftamt.
www.mdig.com.br
Sem comentários:
Enviar um comentário