40
9
3
3
2
Samsung AI Center, makine öğrenimi ile tabloların başka bir yüzün hareketlerini taklit edebildiğini gösteren bir makale yayımladı. Bu yöntem, tabloların hareket edebildiği videolar oluşturulabilmesini sağlıyor.

Makine öğrenimi araştırmacıları, bir insanın yüzünün tek bir karesinden gerçekçi hareketleri yeniden oluşturabilen, sadece fotoğrafları değil tabloları da canlandıracak bir sistem geliştirdi. Ortaya çıkan sonuçlar her zaman mükemmel değil ancak çalıştığı zaman bir hayli ürkütücü ve etkileyici.

Model, Samsung AI Center tarafından yayımlanan bir makalede tanıtıldı. Yöntem, kaynak yüzdeki hareketleri hedef yüze uyguluyor. Böylelikle hedef yüz, kaynak yüzün hareketlerini taklit ediyor.

Bu başlı başına yeni bir şey değil. Bir videodaki yüzün diğer bir yüze taklit edilmesi gibi örnekler de bulunuyor fakat bunların çoğu, analiz için bir veya iki video gibi önemli miktarda veri gerektiriyor.

Samsung'un Moskova merkezli araştırmacılarının yeni makalesinde bir yüzün sadece bir görüntüsü kullanılarak yüzün dönebildiği, konuşabildiği ve sıradan ifadeler yapabildiği, kusursuz olmasa bile inandırıcı videolar oluşturulabildiği görülüyor.

Yüz hareketlerini tanımlama, önceden yüklenen büyük miktarda veri ile gerçekleştiriliyor. Ne kadar çok veriye sahip olunursa o kadar iyi sonuçlar ortaya çıkıyor.

Model 'Generative Adversarial Network' (Üretken Muhalif Ağ) denilen bir yöntem kullanıyor. Bununla iki model, birbiriyle rekabete giriyor. Biri diğerini, yaptığı şeyin 'gerçek' olduğunu düşündürerek kandırmaya çalışıyor. Bu sayede sonuçlar, belirli bir gerçekçilik düzeyini karşılıyor. 'Ayrıştırıcı' modelin, sürecin devam etmesi için bunun insan yüzü olduğundan %90 emin olması gerekiyor.

Bütün bunların yanı sıra bu yöntem, sadece yüz ve üst gövde üzerinde çalışıyor. Yani bu yöntem ile Mona Lisa'nın parmak şıklatmasını ya da dans etmesini sağlamak mümkün değil. 

Kaynak : https://techcrunch.com/2019/05/22/mona-lisa-frown-machine-learning-brings-old-paintings-and-photos-to-life/
40
9
3
3
2
Emoji İle Tepki Ver
40
9
3
3
2