La AI de Disney kreas bildstriojn bazitajn sur tekstaj priskriboj

Neŭralaj retoj, kiuj kreas originalajn filmetojn bazitajn sur tekstaj priskriboj, jam ekzistas. Kaj kvankam ili ankoraŭ ne kapablas tute anstataŭigi filmistojn aŭ animaciistojn, jam estas progreso en tiu ĉi direkto. Disney Research kaj Rutgers evoluinta neŭrala reto kiu povas krei malglatan rakonttabulon kaj videon el teksta skripto.

La AI de Disney kreas bildstriojn bazitajn sur tekstaj priskriboj

Kiel rimarkite, la sistemo funkcias per natura lingvo, kio permesos al ĝi esti uzata en kelkaj areoj, kiel kreado de edukaj videoj. Ĉi tiuj sistemoj ankaŭ helpos al manuskriptintoj bildigi siajn ideojn. Samtempe oni konstatas, ke la celo ne estas anstataŭigi verkistojn kaj artistojn, sed fari ilian laboron pli efika kaj malpli teda.

La programistoj diras, ke traduki tekston en animacion ne estas facila tasko ĉar la enigo kaj eligo-datumoj ne havas fiksan strukturon. Tial, la plej multaj tiaj sistemoj ne povas prilabori kompleksajn frazojn. Por venki la limojn de antaŭaj similaj programoj, la programistoj konstruis modulan neŭralan reton konsistantan el pluraj komponantoj. Ĉi tiuj inkluzivas naturlingvan pretigan modulon, skriban analizan modulon kaj modulon, kiu generas animacion.

La AI de Disney kreas bildstriojn bazitajn sur tekstaj priskriboj

Komence, la sistemo analizas la tekston kaj tradukas kompleksajn frazojn en simplajn. Post tio, 3D-animacio estas kreita. Por laboro, biblioteko de 52 viglaj blokoj estas uzata, kies listo estis pligrandigita al 92 aldonante similajn elementojn. Por krei animacion, la Unreal Engine ludmaŝino estas uzata, kiu dependas de antaŭŝarĝitaj objektoj kaj modeloj. El ĉi tiuj, la sistemo elektas taŭgajn elementojn kaj generas filmeton.

La AI de Disney kreas bildstriojn bazitajn sur tekstaj priskriboj

Por trejni la sistemon, la esploristoj kompilis aron de priskriboj de 996 elementoj prenitaj el pli ol 1000 skriptoj de IMSDb, SimplyScripts kaj ScriptORama5. Post tio, kvalitaj testoj estis faritaj, en kiuj 22 partoprenantoj havis la ŝancon taksi 20 animaciojn. Samtempe, 68% diris, ke la sistemo kreis sufiĉe decan animacion bazitan sur la eniga tekstoj.

Tamen, la teamo agnoskis, ke la sistemo ne estas perfekta. Ĝia listo de agoj kaj objektoj ne estas ĝisfunda, kaj foje leksika simpligo ne kongruas kun verboj kun similaj animacioj. La esploristoj intencas trakti ĉi tiujn mankojn en estonta laboro.



fonto: 3dnews.ru

Aldoni komenton