ですからソース動画の動作を微調整して安定化し、スムーズに加工し、潜在的問題を、できるだけ事前に解消しておきます。 その後のステップにも改良が加えられており、たとえば新しい顔をターゲット動画に埋め込む合成技術は、顔全体のコントラストにムラが出ないようないよう改良されています。また、スムーズな合成画像を生成するのに欠かせない、中間フレームを作成するアルゴリズムもまたはるかに進化しており、輪郭と顔のパーツのアンバランスが解消されています。
機械学習は日々進歩していて、これまで完了までに長時間かかっていた作業を合理的かつスピーディに行える新たな使用法が次々と生み出されています。はじめてディープフェイク画像がインターネットに登場して以来、視覚効果にかかわるアーティストはその可能性を見出してきました。今や、映画業界やテレビ業界で、顔交換技術は珍しくありません。しかし今はまだ、スタントマンの顔が一瞬でもカメラに映りこむと、その後の映像編集に手間と時間がかかっています。 こうした問題が起きた場合、撮影し直したり、クレバーなCGと合成映像を組み合わせたりします。しかし、今回の新技術を活用すれば、たとえば同じ映画の撮影済み映像を使ってアルゴリズムをトレーニングし、これらの問題をすべて自動修正することができるようになります。ディープフェイクビデオを見極めるのがはるかにむずかしくなる
この研究による新しいアプローチが既存の機械学習ツールに道を見つけるのに、それほど時間はかかりません。そうなれば、インターネットに氾濫するディープフェイクにもニューウェーブが訪れるでしょう。さて、そうなったとき、あなたはフェイクを見極める自信がありますか…？
日本 最新ニュース, 日本 見出し
Similar News:他のニュース ソースから収集した、これに似たニュース記事を読むこともできます。