Para Peneliti Kembangkan Model AI Baru yang Dapat Memasukkan Manusia Tertentu ke dalam Berbagai Adegan secara Realistis

Generative Model Baru Mampu Memasukkan Orang ke dalam Video dengan Realistis

Baru-baru ini, para peneliti dari Stanford University, UC Berkeley, dan Adobe Research mengenalkan model generatif baru yang dapat memasukkan orang secara mulus ke dalam berbagai adegan dengan realistis. Model ini dilatih dengan menggunakan pendekatan pelatihan diri sendiri untuk mengubah data ‘noise’ menjadi gambar yang diinginkan.

Dalam pelatihannya, model ini menggunakan video yang menampilkan manusia bergerak dalam berbagai adegan sebagai data latihannya. Kemudian, model ini memilih dua frame secara acak dari setiap video dan menggunakannya untuk merekonstruksi manusia yang disembunyikan di frame pertama secara realistis. Dalam proses pelatihannya, model ini belajar untuk menyimpulkan gerakan yang mungkin dilakukan oleh manusia dari konteks adegan dan kemampuan untuk menampilkan gerakan tersebut secara realistis.

Dalam penelitian ini, para peneliti menemukan bahwa model generatif ini dapat memasukkan manusia ke dalam adegan dengan sangat realistis. Bahkan, kemampuan model ini untuk memperkirakan kemampuan aksi atau interaksi dalam lingkungan yang disebut affordances melebihi model-model non-generatif yang sebelumnya diperkenalkan. Dengan kemampuan ini, model ini dapat memiliki potensi yang signifikan untuk penelitian di bidang persepsi affordance dan pengembangan robot.

Penerapan praktis dari model ini juga sangat luas, terutama dalam industri media. Misalnya, model ini dapat digunakan untuk mengedit gambar dan video secara realistis, dan dapat diintegrasikan ke dalam alat pengeditan gambar untuk mendukung pekerjaan seniman dan kreator media. Selain itu, model ini juga dapat dimasukkan ke dalam aplikasi pengeditan foto di ponsel pintar, sehingga pengguna dapat dengan mudah memasukkan orang ke dalam foto mereka secara realistis.

Kendati demikian, para peneliti masih memiliki banyak potensi untuk penelitian lebih lanjut, seperti meningkatkan kontrol kemungkinan gerakan yang dihasilkan oleh model dan mengeksplorasi gerakan manusia yang realistis dalam adegan, serta meningkatkan efisiensi model dan mengembangkan model ini untuk mencakup semua objek.

Dengan mengenalkan model generatif baru ini, para peneliti telah memberikan kontribusi besar bagi penelitian di bidang pengembangan robot dan industri media. Dalam penelitian selanjutnya, para peneliti akan berfokus untuk mengembangkan kemampuan model ini agar lebih canggih dan terus meningkatkan kemampuan model dalam menghasilkan gambar dan video yang realistis.

Model Generatif: Masa Depan Industri Kreatif

Model generatif bukanlah hal baru dalam industri kreatif. Perkembangan teknologi model generatif telah memberikan kemudahan bagi seniman dan kreator media dalam membuat gambar dan video yang realistis.

Dalam industri film, model generatif telah digunakan dalam menghasilkan efek visual yang lebih realistis. Dalam industri periklanan, model generatif telah digunakan dalam membuat iklan dan mempromosikan merek. Selain itu, model generatif juga dapat digunakan dalam mengembangkan model bisnis baru, seperti menciptakan produk atau jasa yang lebih canggih dan efektif.

Namun, meskipun model generatif menawarkan banyak manfaat bagi industri kreatif, penggunaan model ini juga memiliki risiko. Misalnya, risiko dalam penggunaan gambar dan video yang dihasilkan dari model generatif dapat menimbulkan masalah keamanan dan privasi, seperti penggunaan yang tidak etis dari gambar dan video yang dihasilkan oleh model ini.

Oleh karena itu, penggunaan model generatif memerlukan pengawasan dan regulasi yang ketat dalam industri kreatif. Selain itu, industri kreatif juga harus terus berinovasi dan mengembangkan kemampuan kreatif mereka untuk mendukung penggunaan model generatif yang lebih efektif dan aman.

Dalam era di mana teknologi semakin canggih, model generatif dapat menjadi alat yang sangat berguna untuk industri kreatif. Namun, kita juga harus terus memperhatikan penggunaannya agar tidak menimbulkan masalah keamanan dan privasi.

Disarikan dari: Link