![Apps altijd als beheerder uitvoeren op Windows 11 (3 methoden)](/f/3607979d3692757b46b2e50e9ea390da.jpg?width=100&height=100)
[dropcap]W[/dropcap]e weten allemaal heel goed dat slechts een paar maanden geleden het genereren van valse fotorealistische gezichten via Generative adversariële netwerken (GAN's) was een van de voorbeelden van het gebruik van kunstmatige intelligentie (AI) dat meer aandacht kreeg van de algemene openbaar. Vandaag was alles slechts een voorgerecht van wat zou komen. Nu zijn de gezichten niet genoeg, omdat de AI nu in staat is om vanuit het niets fotorealistische beelden te genereren van mensen met de hele lichaam, natuurlijk, de mensen die niet bestaan, maar die hun eigen gezichten, kapsels en kleding hebben, in simpel woord nep Mensen.
Nog maar een paar maanden geleden, de generatie van valse fotorealistische gezichten via Generative Adversarial Networks (GAN's) was een van de voorbeelden van het gebruik van kunstmatige intelligentie (AI) die meer aandacht kreeg van de algemene openbaar. Toen kwamen de valse kamers, valse Gates, de valse 'manga'-personages en nog veel meer.
Vandaag was alles slechts een voorgerecht van wat zou komen. Nu zijn de gezichten niet genoeg, omdat de AI nu in staat is om vanuit het niets fotorealistische beelden te genereren van mensen met de hele lichaam, natuurlijk, de mensen die niet bestaan, maar die hun eigen gezichten, kapsels en kleding hebben, in eenvoudige woorden Nep Mensen.
Lees ook: 15 beste Android-e-mailapps om uw inbox georganiseerd te houden
Om dit te laten zien, hebben we hier een video waarin we kunnen zien hoe de door de GAN gegenereerde karakters worden getransformeerd op het moment dat ze bewegen: -
Zoals zoveel andere AI-ontwikkelingen heeft dit ook zowel positieve als negatieve kanten, omdat het weer een stap is in de richting van de erosie van de geloofwaardigheid van multimediamateriaal, steeds minder betrouwbaar als informatiebron dankzij steeds realistischer deepfakes. Bovendien biedt het naast al deze zaken een snel en goedkoop systeem (vooral) om kledingcatalogi te maken.
Het algoritme dat dit mogelijk maakte, is ontwikkeld door DataGrid, een technologiestartup op de campus van de Kyoto University in Japan. De ingenieurs besloten de problemen van de generatie GAN's van gezichten te overwinnen, waarbij ze vermeden veel van de onnodige informatie op te nemen die de AI in de war zou kunnen brengen.
Hiervoor kozen ze ervoor om de modellen die op de foto's poseerden om het systeem te trainen, op een homogene witte achtergrond te plaatsen. Daarom kunnen we nu afscheid nemen van asymmetrische elementen of vreemde kleurvlekken die de aard van de gegenereerde afbeeldingen zouden kunnen benadrukken.
Lees ook: Hoe GIF's van YouTube-video's te maken
In DataGrid waren ze er al in geslaagd om hun eigen algoritme voor het genereren van gezichten te ontwikkelen, maar ze zijn op zoek naar manieren om hun digitale modellen een grotere ‘expressiviteit’, waarvoor ze inzetten om niet alleen hele lichamen te genereren, maar ook om ze een gevoel van beweging te geven als goed.
Dus, wat vind je hiervan? Deel eenvoudig al uw mening en gedachten in het commentaargedeelte hieronder. En als je dit bericht leuk vond, vergeet dan niet om dit bericht te delen met je vrienden en familie.