“AI換嘴”了解一下！斯坦福新研究為視頻人物隨意換口型

在電視和電影的拍攝中，演員在表演中經常會不小心犯下一些小錯誤。對于影片的剪輯師而言，如果不想要花費巨資重新拍攝，那么就只能接受這些瑕疵。

那么我們可以想象一下，剪輯師是否能通過文字劇本來重新修改視頻。這個過程簡單地就像平時處理word文檔那樣，添加你想要的內容，刪除多余的內容，甚至完全重新排列拍攝的影片，讓它看起來就像一個全新的視頻那樣，毫無瑕疵。

一批來自斯坦福大學、馬克斯普朗克信息學研究所、普林斯頓大學和Adobe Research的研究人員組織了一個團隊，他們創(chuàng)建了一種算法，它能編輯頭部特寫的對話視頻——即視頻中的講話人主要出現肩膀以上的部分。

對于視頻剪輯師和發(fā)行商而言，這個研究成果會非常有用。但也有人擔心這種工具會影響網上視頻和圖片的可信性。研究人員也針對這些工具提出了一些使用準則，提示觀看者這些視頻受到過修改。

“不幸的是，這種技術永遠會招來不法分子的注意。盡管如此，它能帶來更多創(chuàng)造性的視頻編輯和內容創(chuàng)作應用，因此也是值得的。”斯坦福大學博士后Ohad Fried說道。

這種應用通過全新的腳本從各種視頻片段中提取講話時的唇部動作，并采用機器學習將它“移植”到目標視頻中，讓觀眾看起來更自然。換句話說，它就是讓“唇部運動”和文本同步。

“從表面上看，這些視頻非常完美，它不再需要重新錄制。”Fried說道，他以第一作者的身份發(fā)表了一篇相關研究的論文，目前該論文已經上傳至論文預印本網站arXiv上。該項目始于兩年前，當時Fried還只是普林斯頓大學計算機科學家Adam Finkelstein手下的一名研究生。

一旦演員在表演時講錯了臺詞，剪輯師只需要重新修改一下劇本臺詞，這個應用會自動找到視頻中對應的片段，并搜索該視頻中其他的臺詞，重新組裝這段語音。換句話說，這就是在重寫視頻的臺詞，就像我們修改文檔中拼錯的單詞那樣。該算法需要原始視頻為素材，修改時間約為40分鐘。

在此之后，這個算法會從其他視頻中尋找人物講話時的嘴部動作，生成新的視頻。

為了讓視頻看起來更加自然，該算法還能讓運動參數的變化更加平滑，并進行3D動畫渲染。最后，它會通過一種名為Neural Rendering的機器學習技術提高視頻的仿真度。

在138位參與者的測試里，該團隊的編輯結果中有60%被評為“逼真”。也就是說加工后的視頻和原始視頻非常像，但Fried表示還有很大的提升空間。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。