在電視和電影的拍攝中，演員在表演中經(jīng)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(nèi)容，刪除多余的內(nèi)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(xiàn)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(wǎng)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(nèi)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?！盕ried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(jīng)上傳至論文預印本網(wǎng)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(shù)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(jié)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。(來源：獵云網(wǎng))
- 谷歌股價暴跌：收入增長放緩，人工智能支出引投資者擔憂
- 華為去年銷售收入超8600億元：ICT基礎設施穩(wěn)健，新業(yè)務快速發(fā)展
- 特斯拉CEO馬斯克身家暴漲，穩(wěn)居全球首富寶座
- 阿里巴巴擬發(fā)行 26.5 億美元和 170 億人民幣債券
- 騰訊音樂Q3持續(xù)穩(wěn)健增長：總收入70.2億元，付費用戶數(shù)1.19億
- 蘋果Q4營收949億美元同比增6%，在華營收微降
- 三星電子Q3營收79萬億韓元，營業(yè)利潤受一次性成本影響下滑
- 賽力斯已向華為支付23億，購買引望10%股權
- 格力電器三季度營收同比降超15%，凈利潤逆勢增長
- 合合信息2024年前三季度業(yè)績穩(wěn)健：營收增長超21%，凈利潤增長超11%
免責聲明：本網(wǎng)站內(nèi)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)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(wǎng)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(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)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(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。
