چند ماه پیش ویدیویی به دستم رسید که مثل ویدیوی معمولی گرفته شده با گوشی هوشمند به نظر می‌رسید. دختر به دوربین نگاه می‌کرد، کمی لبخند می‌زد، حالت صورتش را تغییر می‌داد و سرش را حرکت می‌داد. هیچ چیز غیرعادی. تا اینکه فهمیدم ویدیو هرگز وجود نداشته.
اساس این ویدیو فقط یک عکس بود.
همان لحظه فهمیدم شبکه‌های عصبی مدرن چقدر تغییر کرده‌اند. کاری که قبلاً نیاز به فیلم‌برداری، مونتاژ و مهارت‌های خاص داشت، امروز به صورت خودکار در چند دقیقه انجام می‌شود.
جستجوی «انیمیت عکس ۱۸+» به یکی از سریع‌ترین جستجوهای رو به رشد در حوزه هوش مصنوعی تبدیل شده است. کاربران دیگر به تصاویر ثابت راضی نیستند. مردم می‌خواهند حرکت، احساسات و جلوه فیلم واقعی ببینند. به همین دلیل فناوری انیمیشن تصاویر امروز در حال تجربه یک جهش واقعی است.
چرا عکس‌های معمولی به تدریج به حاشیه می‌روند
اینترنت پر از تصویر است. هر روز میلیون‌ها عکس جدید منتشر می‌شود و شگفت‌زده کردن کسی با یک تصویر زیبا سخت‌تر از همیشه شده است.
ویدیو متفاوت عمل می‌کند.
محتوای متحرک توجه را خیلی طولانی‌تر نگه می‌دارد. حتی یک ویدیوی کوتاه چند ثانیه‌ای می‌تواند بازدیدهای بیشتری نسبت به یک تصویر ثابت داشته باشد. به همین دلیل تولیدکنندگان محتوا، مدیران کانال‌های تلگرام، وب‌سایت‌ها و وبلاگ‌ها روزبه‌روز بیشتر از شبکه‌های عصبی برای انیمیت عکس استفاده می‌کنند.
قبلاً برای چنین کاری به برنامه‌های حرفه‌ای نیاز بود. امروز کافی است تصویر را در سرویس هوش مصنوعی آپلود کنید و منتظر نتیجه بمانید.
بعد از آپلود عکس چه اتفاقی می‌افتد
بیشتر مردم کار شبکه عصبی را خیلی ساده تصور می‌کنند. انگار الگوریتم فقط یک افکت آماده را روی تصویر قرار می‌دهد.
در واقع همه چیز خیلی پیچیده‌تر است.
مدل‌های هوش مصنوعی مدرن صورت، چشم‌ها، لب‌ها، موها، نورپردازی، پرسپکتیو و ده‌ها پارامتر دیگر را تحلیل می‌کنند. سپس سیستم یک مدل ریاضی از تصویر می‌سازد و حرکات ممکن را پیش‌بینی می‌کند.
در واقع شبکه عصبی فریم‌های جدیدی ایجاد می‌کند که هرگز وجود نداشته‌اند. به همین دلیل حس یک ویدیوی واقعی به وجود می‌آید، نه فقط یک انیمیشن ساده.
هرچه کیفیت عکس اصلی بالاتر باشد، نتیجه نهایی واقعی‌تر به نظر می‌رسد.
چرا این فناوری دقیقاً اکنون محبوب شده است
دلیل اصلی، پیشرفت هوش مصنوعی است.
اولین سرویس‌های انیمیشن عکس نسبتاً ابتدایی بودند. صورت‌ها غیرطبیعی حرکت می‌کردند، حرکات تند بود و نتیجه اغلب شبیه فیلتر ارزان یک اپلیکیشن قدیمی موبایل به نظر می‌رسید.
مدل‌های مدرن کاملاً متفاوت عمل می‌کنند.
الگوریتم‌های جدید روی حجم عظیمی از داده‌ها آموزش دیده‌اند و به همین دلیل می‌توانند حرکات بسیار روان‌تری ایجاد کنند. در برخی موارد تشخیص اینکه ویدیو واقعی کجا تمام می‌شود و تولید شبکه عصبی از کجا شروع می‌شود برای بیننده دشوار است.
همین جهش فناوری باعث رشد ناگهانی علاقه به جستجوهایی مانند «انیمیت عکس ۱۸+»، «ایجاد ویدیو از عکس»، «زنده کردن تصویر با شبکه عصبی» و «انیمیشن هوش مصنوعی عکس» شده است.
کدام عکس‌ها بهترین نتیجه را می‌دهند
بسیاری از کاربران فکر می‌کنند کیفیت فقط به شبکه عصبی انتخاب‌شده بستگی دارد. در عمل، تصویر اصلی نقش بسیار مهمی دارد.
عکس‌های باکیفیت با نور مناسب و جزئیات کافی بهترین عملکرد را دارند. هرچه الگوریتم اطلاعات بیشتری دریافت کند، حرکات را دقیق‌تر محاسبه کرده و ویدیوی واقع‌گرایانه‌تری تولید می‌کند.
تصاویر تار، عکس‌های قدیمی با رزولوشن پایین و عکس‌های دارای آرتیفکت‌های شدید معمولاً نتیجه ضعیف‌تری می‌دهند.
آینده انیمیشن عکس
تا چندی پیش کاربران از اینکه بتوانند عکس را وادار به پلک زدن یا حرکت جزئی سر کنند خوشحال بودند. امروز شبکه‌های عصبی می‌توانند بر اساس یک تصویر، ویدیوی کامل بسازند.
سرعت پیشرفت فناوری نشان می‌دهد که این فقط آغاز راه است.
هوش مصنوعی اکنون قادر به ایجاد صحنه‌های پیچیده، میمیک واقع‌گرایانه و حرکات طبیعی است. در سال‌های آینده مرز بین ویدیوی معمولی و نتیجه کار شبکه عصبی حتی کمتر قابل تشخیص خواهد بود.
جمع‌بندی
امروز تقریباً هر کاربری می‌تواند عکس ۱۸+ را انیمیت کند. دیگر نیازی به مهارت مونتاژ، نرم‌افزار گران‌قیمت یا تجهیزات حرفه‌ای نیست. فقط یک تصویر باکیفیت و یک شبکه عصبی مدرن کافی است.
به همین دلیل انیمیشن عکس به یکی از پرتقاضاترین حوزه‌ها در دنیای هوش مصنوعی تبدیل شده است. در حالی که برخی هنوز تصاویر معمولی منتشر می‌کنند، دیگران آن‌ها را به ویدیوی کامل تبدیل کرده و محتوایی در سطحی کاملاً جدید تولید می‌کنند.
