Disney's AI ટેક્સ્ટ વર્ણનના આધારે કાર્ટૂન બનાવે છે

ટેક્સ્ટ વર્ણનના આધારે મૂળ વિડિયો બનાવતા ન્યુરલ નેટવર્ક પહેલેથી જ અસ્તિત્વમાં છે. અને તેમ છતાં તેઓ હજી સુધી ફિલ્મ નિર્માતાઓ અથવા એનિમેટર્સને સંપૂર્ણપણે બદલવામાં સક્ષમ નથી, આ દિશામાં પહેલેથી જ પ્રગતિ છે. ડિઝની સંશોધન અને રુટગર્સ વિકસિત એક ન્યુરલ નેટવર્ક જે ટેક્સ્ટ સ્ક્રિપ્ટમાંથી રફ સ્ટોરીબોર્ડ અને વિડિયો બનાવી શકે છે.

નોંધ્યું છે તેમ, સિસ્ટમ કુદરતી ભાષા સાથે કામ કરે છે, જે તેને શૈક્ષણિક વિડિયો બનાવવા જેવા અનેક ક્ષેત્રોમાં ઉપયોગમાં લેવાની મંજૂરી આપશે. આ સિસ્ટમો પટકથા લેખકોને તેમના વિચારોની કલ્પના કરવામાં પણ મદદ કરશે. તે જ સમયે, એવું કહેવામાં આવ્યું છે કે ધ્યેય લેખકો અને કલાકારોને બદલવાનો નથી, પરંતુ તેમના કાર્યને વધુ કાર્યક્ષમ અને ઓછા કંટાળાજનક બનાવવાનો છે.

વિકાસકર્તાઓ કહે છે કે ટેક્સ્ટને એનિમેશનમાં અનુવાદિત કરવું એ સરળ કાર્ય નથી કારણ કે ઇનપુટ અને આઉટપુટ ડેટાનું નિશ્ચિત માળખું નથી. તેથી, આવી મોટાભાગની સિસ્ટમો જટિલ વાક્યો પર પ્રક્રિયા કરી શકતી નથી. અગાઉના સમાન કાર્યક્રમોની મર્યાદાઓને દૂર કરવા માટે, વિકાસકર્તાઓએ એક મોડ્યુલર ન્યુરલ નેટવર્ક બનાવ્યું જેમાં કેટલાક ઘટકોનો સમાવેશ થાય છે. આમાં કુદરતી ભાષા પ્રોસેસિંગ મોડ્યુલ, સ્ક્રિપ્ટ પાર્સિંગ મોડ્યુલ અને એનિમેશન જનરેટ કરતા મોડ્યુલનો સમાવેશ થાય છે.

શરૂઆતમાં, સિસ્ટમ ટેક્સ્ટનું વિશ્લેષણ કરે છે અને જટિલ વાક્યોને સરળમાં અનુવાદિત કરે છે. આ પછી, એક 3D એનિમેશન બનાવવામાં આવે છે. કાર્ય માટે, 52 એનિમેટેડ બ્લોક્સની લાઇબ્રેરીનો ઉપયોગ કરવામાં આવે છે, જેની સૂચિ સમાન તત્વો ઉમેરીને 92 સુધી વિસ્તૃત કરવામાં આવી છે. એનિમેશન બનાવવા માટે, અવાસ્તવિક એન્જિન ગેમ એન્જિનનો ઉપયોગ કરવામાં આવે છે, જે પ્રીલોડેડ ઓબ્જેક્ટ્સ અને મોડલ્સ પર આધાર રાખે છે. આમાંથી, સિસ્ટમ યોગ્ય ઘટકો પસંદ કરે છે અને વિડિઓ બનાવે છે.

સિસ્ટમને તાલીમ આપવા માટે, સંશોધકોએ IMSDb, SimplyScripts અને ScriptORama996 માંથી 1000 થી વધુ સ્ક્રિપ્ટોમાંથી લીધેલા 5 તત્વોના વર્ણનનો સમૂહ તૈયાર કર્યો. આ પછી, ગુણાત્મક પરીક્ષણો હાથ ધરવામાં આવ્યા હતા, જેમાં 22 સહભાગીઓને 20 એનિમેશનનું મૂલ્યાંકન કરવાની તક મળી હતી. તે જ સમયે, 68% લોકોએ કહ્યું કે સિસ્ટમે ઇનપુટ ટેક્સ્ટના આધારે તદ્દન યોગ્ય એનિમેશન બનાવ્યું છે.

જો કે, ટીમે સ્વીકાર્યું કે સિસ્ટમ સંપૂર્ણ નથી. તેની ક્રિયાઓ અને વસ્તુઓની સૂચિ સંપૂર્ણ નથી, અને કેટલીકવાર લેક્સિકલ સરળીકરણ સમાન એનિમેશન સાથે ક્રિયાપદો સાથે મેળ ખાતું નથી. સંશોધકો ભવિષ્યના કાર્યમાં આ ખામીઓને દૂર કરવાનો ઇરાદો ધરાવે છે.

સોર્સ: 3dnews.ru