Theo MIT Technology Review, các nhà nghiên cứu Tero Karras, Samuli Laine và Timo Aila thuộc hãng Nvidia vừa đăng chi tiết phương pháp tạo ra khuôn mặt giả hoàn toàn nhưng vẫn trông đẹp và thực tế. Ba người đưa ra cách mới để xây dựng mạng lưới đối kháng sản sinh (GAN).
GAN sử dụng hai mạng lưới thần kinh “đấu tay đôi” để đào tạo máy tính hiểu bản chất của bộ dữ liệu, nhằm tạo ra sản phẩm giả mạo có sức thuyết phục. Khi áp dụng cho hình ảnh, GAN cho ra lò một loạt ảnh giả mạo nhưng có độ thực tế cao. Ba nhà nghiên cứu của Nvidia trước đây từng sử dụng kỹ thuật này để tạo hình ảnh nhân tạo nhiều người nổi tiếng.
Hãng công nghệ Mỹ sản xuất chip máy tính rất quan trọng với công nghệ AI, song cũng sử dụng một phần đội ngũ kỹ sư phần mềm để phát triển các công cụ hữu ích, hoặc thử nghiệm cách mới để sử dụng phần cứng của họ.
Khuôn mặt giả người nổi tiếng (hai hàng đầu) và những khuôn mặt trông thực hơn, cũng do giới nghiên cứu Nvidia tạo dựng
|
Trong công trình gần đây nhất, giới nghiên cứu lấy cảm hứng từ kỹ thuật gọi là chuyển giao phong cách để xây dựng GAN cơ bản theo cách khác. Điều này cho phép thuật toán xác định nhiều yếu tố khác nhau của khuôn mặt mà nhà nghiên cứu có thể kiểm soát. Video do Nvidia cung cấp cho thấy cách tiếp cận có khả năng được dùng để sửa đổi, phối lại nhiều yếu tố khác nhau như tuổi tác, chủng tộc, giới tính hoặc thậm chí tàn nhang.
Lập trình viên kiêm nghệ sĩ Mario Klingemann, người dùng GAN trong công việc, cho biết: “Đây là bước nhảy vọt về chất lượng mới với GAN. Nó có vẻ như có thể được kiểm soát một cách tuyệt vời, không như công nghệ GAN cho đến hiện nay chỉ giúp bạn thử nghiệm điều khiển kết quả theo hướng nhất định, chẳng hạn như giúp khuôn mặt cười hoặc già đi”.
Klingemann cho biết ông rất muốn biết code GAN mới của Nvidia và thử nó vì mục đích nghệ thuật. GAN có thể thay đổi cách tạo trò chơi video và hiệu ứng đặc biệt. Cách tiếp cận khơi gợi kết cấu thực tế hoặc nhân vật theo yêu cầu. Gần đây, Nvidia trình làng dự án dùng GAN để tổng hợp sự xuất hiện của nhiều vật thể trong một cảnh xuất hiện tức thì lúc chơi trò lái xe.
Adobe cũng có dự án sử dụng GAN nhằm cải thiện tính chân thực của hình ảnh sau khi chúng bị thao túng. GAN này loại bỏ được nhiều yếu tố nhân tạo có thể dễ được đưa vào. Nó còn có khả năng được dùng để sắc nét hóa hình ảnh hoặc video xuống cấp. Đây là ví dụ nổi bật về việc tiến bộ trong công nghệ học máy (machine learning) có khả năng tạo ra nhiều sản phẩm giả mạo mới.
Bình luận (0)