ഡിസ്നിയുടെ AI ടെക്സ്റ്റ് വിവരണങ്ങളെ അടിസ്ഥാനമാക്കി കാർട്ടൂണുകൾ സൃഷ്ടിക്കുന്നു

ടെക്സ്റ്റ് വിവരണങ്ങളെ അടിസ്ഥാനമാക്കി യഥാർത്ഥ വീഡിയോകൾ സൃഷ്ടിക്കുന്ന ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഇതിനകം നിലവിലുണ്ട്. ചലച്ചിത്ര പ്രവർത്തകരെയോ ആനിമേറ്റർമാരെയോ പൂർണ്ണമായും മാറ്റിസ്ഥാപിക്കാൻ അവർക്ക് ഇതുവരെ കഴിഞ്ഞിട്ടില്ലെങ്കിലും, ഈ ദിശയിൽ ഇതിനകം പുരോഗതിയുണ്ട്. ഡിസ്നി റിസർച്ചും റട്‌ജേഴ്‌സും വികസിപ്പിച്ചെടുത്തു ഒരു ടെക്സ്റ്റ് സ്ക്രിപ്റ്റിൽ നിന്ന് പരുക്കൻ സ്റ്റോറിബോർഡും വീഡിയോയും സൃഷ്ടിക്കാൻ കഴിയുന്ന ഒരു ന്യൂറൽ നെറ്റ്‌വർക്ക്.

സൂചിപ്പിച്ചതുപോലെ, സിസ്റ്റം സ്വാഭാവിക ഭാഷയിൽ പ്രവർത്തിക്കുന്നു, ഇത് വിദ്യാഭ്യാസ വീഡിയോകൾ സൃഷ്ടിക്കുന്നത് പോലെയുള്ള നിരവധി മേഖലകളിൽ ഇത് ഉപയോഗിക്കാൻ അനുവദിക്കും. തിരക്കഥാകൃത്തുക്കൾക്ക് അവരുടെ ആശയങ്ങൾ ദൃശ്യവത്കരിക്കാനും ഈ സംവിധാനങ്ങൾ സഹായിക്കും. അതേസമയം, എഴുത്തുകാരെയും കലാകാരന്മാരെയും മാറ്റിനിർത്തുകയല്ല ലക്ഷ്യമെന്നും അവരുടെ സൃഷ്ടികൾ കൂടുതൽ കാര്യക്ഷമവും മടുപ്പില്ലാത്തതുമാക്കുകയാണ് ലക്ഷ്യമെന്നും പ്രസ്താവിക്കുന്നു.

ഇൻപുട്ട്, ഔട്ട്പുട്ട് ഡാറ്റയ്ക്ക് ഒരു നിശ്ചിത ഘടന ഇല്ലാത്തതിനാൽ ടെക്സ്റ്റ് ആനിമേഷനിലേക്ക് വിവർത്തനം ചെയ്യുന്നത് എളുപ്പമുള്ള കാര്യമല്ലെന്ന് ഡെവലപ്പർമാർ പറയുന്നു. അതിനാൽ, അത്തരം മിക്ക സിസ്റ്റങ്ങൾക്കും സങ്കീർണ്ണമായ വാക്യങ്ങൾ പ്രോസസ്സ് ചെയ്യാൻ കഴിയില്ല. മുമ്പത്തെ സമാന പ്രോഗ്രാമുകളുടെ പരിമിതികൾ മറികടക്കാൻ, ഡവലപ്പർമാർ നിരവധി ഘടകങ്ങൾ അടങ്ങിയ ഒരു മോഡുലാർ ന്യൂറൽ നെറ്റ്‌വർക്ക് നിർമ്മിച്ചു. സ്വാഭാവിക ഭാഷാ പ്രോസസ്സിംഗ് മൊഡ്യൂൾ, സ്‌ക്രിപ്റ്റ് പാഴ്‌സിംഗ് മൊഡ്യൂൾ, ആനിമേഷൻ സൃഷ്ടിക്കുന്ന ഒരു മൊഡ്യൂൾ എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

ആരംഭിക്കുന്നതിന്, സിസ്റ്റം വാചകം വിശകലനം ചെയ്യുകയും സങ്കീർണ്ണമായ വാക്യങ്ങൾ ലളിതമായവയിലേക്ക് വിവർത്തനം ചെയ്യുകയും ചെയ്യുന്നു. ഇതിനുശേഷം, ഒരു 3D ആനിമേഷൻ സൃഷ്ടിക്കപ്പെടുന്നു. ജോലിക്കായി, 52 ആനിമേറ്റഡ് ബ്ലോക്കുകളുടെ ഒരു ലൈബ്രറി ഉപയോഗിക്കുന്നു, സമാന ഘടകങ്ങൾ ചേർത്ത് അവയുടെ പട്ടിക 92 ആയി വിപുലീകരിച്ചു. ആനിമേഷൻ സൃഷ്ടിക്കാൻ, അൺറിയൽ എഞ്ചിൻ ഗെയിം എഞ്ചിൻ ഉപയോഗിക്കുന്നു, അത് പ്രീലോഡ് ചെയ്ത ഒബ്‌ജക്റ്റുകളിലും മോഡലുകളിലും ആശ്രയിക്കുന്നു. ഇവയിൽ നിന്ന്, സിസ്റ്റം അനുയോജ്യമായ ഘടകങ്ങൾ തിരഞ്ഞെടുത്ത് ഒരു വീഡിയോ സൃഷ്ടിക്കുന്നു.

സിസ്റ്റത്തെ പരിശീലിപ്പിക്കുന്നതിനായി, ഗവേഷകർ IMSDb, SimplyScripts, ScriptORama996 എന്നിവയിൽ നിന്നുള്ള 1000-ലധികം സ്ക്രിപ്റ്റുകളിൽ നിന്ന് എടുത്ത 5 ഘടകങ്ങളുടെ ഒരു കൂട്ടം വിവരണങ്ങൾ സമാഹരിച്ചു. ഇതിനുശേഷം, ഗുണപരമായ പരിശോധനകൾ നടത്തി, അതിൽ 22 പങ്കാളികൾക്ക് 20 ആനിമേഷനുകൾ വിലയിരുത്താൻ അവസരം ലഭിച്ചു. അതേസമയം, ഇൻപുട്ട് ടെക്‌സ്‌റ്റുകളെ അടിസ്ഥാനമാക്കി സിസ്റ്റം തികച്ചും മാന്യമായ ആനിമേഷൻ സൃഷ്ടിച്ചതായി 68% പറഞ്ഞു.

എന്നിരുന്നാലും, ഈ സംവിധാനം പൂർണമല്ലെന്ന് ടീം സമ്മതിച്ചു. അതിന്റെ പ്രവർത്തനങ്ങളുടെയും ഒബ്‌ജക്റ്റുകളുടെയും ലിസ്റ്റ് സമഗ്രമല്ല, ചിലപ്പോൾ ലെക്സിക്കൽ ലളിതവൽക്കരണം സമാന ആനിമേഷനുകളുള്ള ക്രിയകളുമായി പൊരുത്തപ്പെടുന്നില്ല. ഭാവി പ്രവർത്തനങ്ങളിൽ ഈ പോരായ്മകൾ പരിഹരിക്കാനാണ് ഗവേഷകർ ഉദ്ദേശിക്കുന്നത്.

അവലംബം: 3dnews.ru