2022 超全的 AI 圈研究合集在這！知名博主 Louis Bouchard 自制視頻講解加短篇分析，對小白超級友好。雖然世界仍在復(fù)蘇但研究并沒有放慢其狂熱的步，尤其是在人工智能領(lǐng)域。此，今年人們對 AI 倫理、偏見、治理和透明度都有了新的視。人工智能和我們對人腦的解及其與人工智能的聯(lián)系在不發(fā)展，在不久的將來，這些改我們生活質(zhì)量的應(yīng)用將大放光。知名博主 Louis Bouchard 也在自己的博客中盤點(diǎn)了 2022 年 32 項（!）AI 技術(shù)突破。接下來讓我們一起看看，這些令驚艷的研究都有哪些吧！文章址：https://www.louisbouchard.ai/ 2022-ai-recap/LaMA：基于傅里葉卷積的分辨率穩(wěn)虎蛟的大型掩碼復(fù)你肯定經(jīng)歷過這種情況：你你的朋友拍了一張很棒的照片結(jié)果，你發(fā)現(xiàn)有人在你身后，了你要發(fā)到朋友圈或者小紅書照片。但現(xiàn)在，這不再是問題基于傅里葉卷積的分辨率穩(wěn)健大型掩碼修復(fù)方法，可以讓使者輕松清除圖像中不需要的內(nèi)。不論是人，還是垃圾桶都能松消失。它就像是你口袋里的業(yè) ps 設(shè)計師，只需輕輕一按，就能輕松清除。雖然看似單，但圖像修復(fù)是許多 AI 研究人員長期以來一直需要解的問題。論文鏈接：https://arxiv.org/ abs / 2109.07161項目地址：https://github.com/ saic-mdal / lamaColab Demo：https://colab.research.google.com/github/saic-mdal/lama/blob/master/colab/LaMa_inpainting.ipynb視頻講解：https://youtu.be/ Ia79AvGzveQ短篇分析：https://www.louisbouchard.ai/ lama/STIT：基于 GAN 的真實(shí)視頻人臉編輯你肯定有過這樣經(jīng)歷：在看電影時，會發(fā)現(xiàn)電中的演員看起來要比本人年輕多。《雙子殺手》中的威爾?密斯之前，這需要專業(yè)人員花數(shù)百甚至數(shù)千小時的工作，手編輯這些演員出現(xiàn)的場景。但用 AI，你可以在幾分鐘內(nèi)完成。事實(shí)上石山許多技術(shù)可以讓增加笑容，讓你看起來更年輕更老，所有這些都是使用基于工智能的算法自動完成的。它視頻中被稱為基于 AI 的面部操作（AI-based face manipulations），代表了 2022 年的最新技術(shù)水平。論文鏈接https://arxiv.org/ abs / 2201.08361項目地址：https://github.com/ rotemtzaban / STIT視頻講解：https://youtu.be/ mqItu9XoUgk短篇分析：https://www.louisbouchard.ai/ stitch-it-in-time/NeROIC：利用在線圖庫的神經(jīng)渲染神經(jīng)渲染可以通過物體、人或場景的圖片，在空間中生成真的 3D 模型。有了這項技術(shù)，你只需兵圣有某物體的幾張片，就可以要求機(jī)器了解這些片中的物體，并模擬出它在空中的樣子。通過圖像來理解物的物理形狀，這對人類來說很易，因為我們了解真實(shí)的世界但對于只能看到像素的機(jī)器來，這是一個完全不同的挑戰(zhàn)。成的模型如何融入新場景？如照片的光照條件和角度不同，成的模型也會因此變化，該怎辦？這些都是 Snapchat 和南加州大學(xué)在這項新研究中需要解決的問題。論文鏈接https://arxiv.org/ abs / 2201.02533項目地址：https://github.com/ snap-research / NeROIC視頻講解：https://youtu.be/ 88Pl9zD1Z78短篇分析：https://www.louisbouchard.ai/ neroic/SpeechPainter：文本條件下的語音修復(fù)對于圖像來說，基于機(jī)器學(xué)習(xí)修復(fù)技術(shù)不僅可以移除其中的容，而且還能根據(jù)背景信息填圖像的缺失部分。對于視頻修來說，其挑戰(zhàn)在于不僅要保持與幀之間的一致性，而且要避生成錯誤的偽影。同時，當(dāng)你功地將一個人從視頻中「踢出」之后，還需要把他 / 她的聲音也一并刪除才行。為此，歌的研究人員提出了一種全新語音修復(fù)方法，可以糾正視頻的語法、發(fā)音，甚至消除背景音。論文鏈接：https://arxiv.org/ abs / 2202.07273視頻講解：https://youtu.be/ zIIc4bRf5Hg短篇分析：https://www.louisbouchard.ai/ speech-inpainting-with-ai/GFP-GAN：利用生成性面部先驗，實(shí)現(xiàn)真實(shí)世界的盲臉修石山你否有一些珍藏的舊照片，因為代久遠(yuǎn)而畫質(zhì)模糊？不用擔(dān)心有了盲臉修復(fù)技術(shù)（Blind Face Restoration），你的回憶會被歷久彌新。這峚山全新且免費(fèi)的 AI 模型可以在一瞬間修復(fù)你的大分舊照片。即使修復(fù)前的照片質(zhì)非常低，它也能很好地工作這在之前通常是一個相當(dāng)大的戰(zhàn)。更酷的是，你可以按照自喜歡的方式進(jìn)行嘗試。他們已開源了代碼，創(chuàng)建了一個演示在線應(yīng)用程序供大家試用。相這項技術(shù)一定讓你大吃一驚！文鏈接：https://arxiv.org/ abs / 2101.04061項目地址：https://github.com/ TencentARC / GFPGANColab Demo：https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo在線應(yīng)用：https://huggingface.co/ spaces / akhaliq / GFPGAN視頻講解：https://youtu.be/ nLDVtzcSeqM短篇分析：https://www.louisbouchard.ai/ gfp-gan/4D-Net：多模態(tài)對齊的學(xué)習(xí)自動駕駛汽車如何眼觀六路」？你可能聽說過車正在使用的 LiDAR 傳感器或其他奇怪的相機(jī)。但鯢山們如何工作的，它們?nèi)绾斡^察這世界，以及它們與我們相比究看到了什么不同？論文鏈接：https://arxiv.org/ abs / 2109.01066與特斯拉只使用攝像頭來了解世界不同，大多數(shù)動駕駛汽車廠商，比如 Waymo，使用的是普通攝像頭和 3D LiDAR 傳感器。它們不會像普通相機(jī)那樣生成圖，而是生成 3D 點(diǎn)云，利用 RGB 傳感信息，測量物體之間的距離，計列子它們投射到體的脈沖激光的傳播時間。盡如此，我們?nèi)绾斡行У亟Y(jié)合這信息并讓車輛理解它？車輛最會看到什么？自動駕駛是否足安全？Waymo 和谷歌的一篇新研究論文將會解答這些謎。視頻講解：https://youtu.be/ 0nJMnw1Ldks短篇分析：https://www.louisbouchard.ai/ waymo-lidar/Instant NeRF：基于多分辨率哈希編碼的即時神經(jīng)圖如何通過照片模擬世界的樣子使用 AI 模型，人們可以將拍攝的圖像變成高質(zhì)禺號的 3D 模型。這項具有挑戰(zhàn)性的任務(wù)，讓研究人員通過 2D 圖像，創(chuàng)建物體或人在三維世界中樣子。通過基于哈希編碼的神圖元（graphical primitives），英偉達(dá)實(shí)現(xiàn) 5 秒訓(xùn)練 NeRF，并獲得了更好的效果。在不到年的研究中，將 NeRF 的訓(xùn)練速度提高了 1000 多倍。論文鏈接：https://arxiv.org/ abs / 2201.05989項目地址：https://github.com/ NVlabs / instant-ngp視頻講解：https://youtu.be/ UHQZBQOVAIU短篇分析：https://www.louisbouchard.ai/nvidia-photos-into-3d-scenes/DALL?E 2：基于 CLIP 特征的文本生成圖像模型去年，OpenAI 發(fā)布了文本-圖像生成模型 DALL?E?，F(xiàn)在，升級版 DALL?E 2 又來了。DALL?E 2 不僅可以從文本生成逼真的圖像，其輸出的分辨率前者的四倍！不過，性能方面提升好像不足以令 OpenAI 滿足，為此他們還讓 DALL?E 2 學(xué)會了一項新技能：圖像修復(fù)。也就是說，你以用 DALL?E 2 編輯圖像，或者添加任何想要的新素，比如在背景中加上一只火鳥。論文鏈接：https://arxiv.org/ abs / 2204.06125視頻講解：https://youtu.be/ rdGVbPI42sA短篇分析：https://www.louisbouchard.ai/openais-new-model-dall-e-2-is-amazing/MyStyle：個性化生成先驗谷歌和特拉維夫大學(xué)提出了一個非常鬿雀大 DeepFake 技術(shù)。擁有了它，你幾乎無所不能。只給一個人拍上百張照片，就可對其圖像進(jìn)行編碼，并修復(fù)、輯或創(chuàng)建出任何想要的樣子。既令人驚奇又令人恐懼，尤其當(dāng)你看到生成的結(jié)果時。論文接：https://arxiv.org/ abs / 2203.17272項目地址：https://mystyle-personalized-prior.github.io/視頻講解：https://youtu.be/ BNWAEvFfFvQ短篇分析：https://www.louisbouchard.ai/ mystyle/OPT：開放預(yù)訓(xùn)練的 Transformer 語言模型GPT-3 如此強(qiáng)大的原因，在于其架構(gòu)和大小。它有 1750 億個參數(shù)，是人類大腦中神經(jīng)驕蟲數(shù)的兩倍！如此巨大的神經(jīng)網(wǎng)絡(luò)該模型幾乎學(xué)習(xí)了整個互聯(lián)網(wǎng)內(nèi)容，了解我們?nèi)绾螘鴮?、?和理解文本。就在人們驚嘆于 GPT-3 的強(qiáng)大功能時，Meta 向開源社區(qū)邁出了一大步。他們發(fā)羊患了一個同樣強(qiáng)大模型，并且，該模型已經(jīng)完全源了！該模型不僅也有超過千級別的參數(shù)，并且，與 GPT-3 相比，OPT-175B 更加開放及便于訪問。論文鏈接：https://arxiv.org/ abs / 2205.01068項目地址：https://github.com/ facebookresearch / metaseq視頻鏈接：https://youtu.be/ Ejg0OunCi9U短篇分析：https://www.louisbouchard.ai/ opt-meta/BlobGAN：空間離散的場景表征對于如何描述一個場景酸與Adobe 研究團(tuán)隊給出了一個新的方法：BlobGAN。BlobGAN 使用「斑點(diǎn)」（blob）來描述場景中的對象。研究人員可以移動這些斑少暤，它們變大、變小，甚至可以刪，這對圖像中斑點(diǎn)所代表的物都會產(chǎn)生同樣的效果。正如作在他們的結(jié)果中分享的那樣，可以通過復(fù)制斑點(diǎn)，在數(shù)據(jù)集創(chuàng)建新的圖像?，F(xiàn)在，BlobGAN 的代碼已經(jīng)開源，感興趣的小伙伴，抓緊快豪山手試試！論文鏈接：https://arxiv.org/ abs / 2205.02837項目地址：https://github.com/ dave-epstein / blobgan視頻講解：https://youtu.be/ mnEzjpiA_4E短篇分析：https://www.louisbouchard.ai/ blobgan/Gato：通才智能體DeepMind 構(gòu)建了一個單一的「通用」智能體 Gato。可以玩 Atari 游戲、做字幕圖像、與人聊天、還能控制機(jī)械周易！令人震驚的是，它只訓(xùn)練一次使用相同的權(quán)重，便能完成所任務(wù)。Gato 是一個多模態(tài)智能體。這意味著它既可以為像創(chuàng)建標(biāo)題，也能作為聊天機(jī)人回答問題。雖然 GPT-3 也能陪你聊天，但很明顯，Gato 可以做到更多。畢竟，能聊天的 AI 常有，能陪玩游戲的不常有。旄馬文鏈接：https://arxiv.org/ abs / 2205.06175視頻講解：https://youtu.be/ xZKSWNv6Esc短篇分析：https://www.louisbouchard.ai/ deepmind-gato/Imagen：具有深度語言理解的文本到圖像的擴(kuò)模型如果你認(rèn)為 DALL?E 2 很優(yōu)秀，那么不妨看看這個來自 Google Brain 的新模型 ——Imagen—— 可以做些什么。DALL?E 很神奇，但生成的圖像往往缺乏真實(shí)感，唐書就是谷團(tuán)隊研發(fā)的 Imagen 所要解決的問題。根據(jù)比較文本圖像模型的基準(zhǔn)，Imagen 在大型語言模型的文本嵌入對文本-圖像的合成方面成效顯著。生成的圖像既天馬行空，又實(shí)可信。論文鏈接：https://arxiv.org/ abs / 2205.11487項目地址：https://imagen.research.google/視頻講解：https://youtu.be/ qhtYPhPWCsI短篇分析：https://www.louisbouchard.ai/ google-brain-imagen/DALL·E Mini一組小扎的驚悚圖曾在 Twitter 上風(fēng)靡一陣。這組 San 值狂掉的作品，出自 DALL?E mini 之手。作為 DALL?E 家族的「青春版」，DALL?E mini 是勝在免費(fèi)開源。代碼已留，禺號一個被魔改的人物又會是呢？項目地址：https://github.com/ borisdayma / dalle-mini在線體驗：https://huggingface.co/ spaces / dalle-mini / dalle-mini視頻講解：https://youtu.be/ K3bZXXjW788短篇分析：https://www.louisbouchard.ai/ dalle-mini/NLLB：不落下任何一種語言Meta AI 發(fā)布的這款 NLLB-200 模型，模型命名理念來自「不鱄魚下任何一種語言」（No Language Left Behind），在 200 多種語言上實(shí)現(xiàn)了任意互譯。研究豪魚亮點(diǎn)在于：研究者讓多數(shù)低資源語言訓(xùn)練提升多個量級，同時實(shí)現(xiàn)了 200 + 語言翻譯的 SOTA 結(jié)果。論文鏈接：https://research.facebook.com/ publications / no-language-left-behind/項目地址：https://github.com/ facebookresearch / fairseq / tree / nllb在線體驗：https://nllb.metademolab.com/視頻講解：https://youtu.be/ 2G4NeG17Eis短篇分析：https://www.louisbouchard.ai/ no-language-left-behind/Dual-Shutter 光學(xué)振動傳感系統(tǒng)聲音也能被看見？這篇獲得 CVPR 2022 最佳論文榮譽(yù)獎的研究，提出了一種新陳書的 Dual-Shutter 方法，通過使用「慢速」相機(jī)（130FPS）同時檢測多個場景源的高速（高達(dá) 63kHz）表面振動，并通過捕獲由音頻源引起的動來實(shí)現(xiàn)。由此便可以實(shí)現(xiàn)樂的分離、噪音的消除等各種需。論文鏈接：https://openaccess.thecvf.com/ content / CVPR2022 / papers / Sheinin_Dual-Shutter_Optical_Vibration_Sensing_CVPR_2022_paper.pdf項目地址：https://imaging.cs.cmu.edu/ vibration/視頻講解：https://youtu.be/ n1M8ZVspJcs短篇分析：https://www.louisbouchard.ai/ cvpr-2022-best-paper/Make-A-Scene：基于場景且有人類先驗的文本到像生成Make-A-Scene 不僅僅是「另一個 DALL?E」。雖然 DALL?E 可以根據(jù)文本提示生成隨機(jī)圖像叔均這確實(shí)很酷，但同時也限了用戶對生成結(jié)果的控制。而 Meta 的目標(biāo)是推動創(chuàng)意表達(dá)，將這種文本到圖像的趨勢之前的草圖到圖像模型相結(jié)合從而產(chǎn)生「Make-A-Scene」：文本和草圖條件圖像生成之間的奇妙中山合。論文鏈：https://arxiv.org/ abs / 2203.13131視頻講解：https://youtu.be/ K3bZXXjW788短篇分析：https://www.louisbouchard.ai/ make-a-scene/BANMo：從任意視頻中構(gòu)建目標(biāo) 3D 動畫模型基于 Meta 的這項研究，你只需給定捕獲太山變形對的任意視頻，比如上傳幾個小小狗的視頻，BANMo 便可通過將來自數(shù)千張圖像的 2D 線索整合到規(guī)范空間中，進(jìn)而重建一個可編輯的動畫 3D 模型，且無需預(yù)定義形狀模板論文鏈接：https://arxiv.org/ abs / 2112.12761項目地址：https://github.com/ facebookresearch / banmo視頻講解：https://youtu.be/ jDTy-liFoCQ短篇分析：https://www.louisbouchard.ai/ banmo/用潛在擴(kuò)散模型進(jìn)行高分辨率圖像合成年大火的圖像生成模型 DALL?E、Imagen 以及強(qiáng)勢出圈的 Stable Diffusion，這些強(qiáng)大的圖像生成模型有什么共同點(diǎn)？除高計算成本、大量訓(xùn)練時間之，它們都基于相同的擴(kuò)散機(jī)制擴(kuò)散模型最近在大多數(shù)圖像任中取得了 SOTA 結(jié)果，包括使用 DALL?E 的文本到圖像，還有許多其他與陸山像成相關(guān)的任務(wù)，如圖像修復(fù)、格轉(zhuǎn)換或圖像超分辨率。論文接：https://arxiv.org/ abs / 2112.10752項目地址：https://github.com/ CompVis / latent-diffusion視頻講解：https://youtu.be/ RGBNdD3Wn-g短篇分析：https://www.louisbouchard.ai/ latent-diffusion-models/PSG：基于場景的圖像生成模型AI 可以幫你準(zhǔn)確識別圖像中的物體章山但是理解物體與環(huán)境間的關(guān)系則沒有那么輕松。為，來自南洋理工對研究人員提了一種基于全景分割的全場景生成（panoptic scene graph generation，即 PSG）任務(wù)。相比于傳統(tǒng)基于檢測?鳥的景圖生成，PSG 任務(wù)要求全面地輸出圖像中的所有關(guān)系（括物體與物體間關(guān)系，物體與景間關(guān)系，背景與背景間關(guān)系，并用準(zhǔn)確的分割塊來定位物。論文鏈接：https://arxiv.org/ abs / 2207.11247項目地址：https://psgdataset.org/在線應(yīng)用：https://huggingface.co/ spaces / ECCV2022 / PSG視頻講解：https://youtu.be/ cSsE_H_0Cr8短篇分析：https://www.louisbouchard.ai/ psg/利用文本反轉(zhuǎn)實(shí)現(xiàn)文本到圖像的個化生成今年各大廠的圖像生成型可謂是八仙過海各顯神通，是如何讓模型生成特定風(fēng)格的像作品呢？來自特拉維夫大學(xué)學(xué)者和英偉達(dá)合作推出了一款性化圖像生成模型，可以 DIY 你想要得到的圖像。論文鏈接：https://arxiv.org/ abs / 2208.01618項目地址：https://textual-inversion.github.io/視頻講解：https://youtu.be/ f3oXa7_SYek短篇分析：https://www.louisbouchard.ai/ imageworthoneword/用于通用視頻識別的語言圖像預(yù)訓(xùn)練型視覺文本模型的學(xué)習(xí)毫無疑已經(jīng)取得了巨大成功，然而如將這種新的語言圖像預(yù)訓(xùn)練方擴(kuò)展到視頻領(lǐng)域仍然是一個懸未決的問題。來自微軟和中科的學(xué)者提出了一種簡單而有效方法使預(yù)訓(xùn)練的語言圖像模型接適應(yīng)視頻識別，而不是從頭始預(yù)訓(xùn)練新模型。論文鏈接：https://arxiv.org/ abs / 2208.02816項目地址：https://github.com/ microsoft / VideoX / tree / master / X-CLIP視頻講解：https://youtu.be/ seb4lmVPEe8短篇分析：https://www.louisbouchard.ai/ general-video-recognition/Make-A-Video：一鍵文本生成視頻模型畫家在布上盡情作畫，如此清晰流暢畫面，你能想到視頻的每一幀是 AI 生成的嗎？MetaAI 推出的 Make-A-Video，只需簡單輸入幾個文字，便可在幾秒內(nèi)生成不同格的視頻，說成「視頻版 DALL?E」也不為過。論文鏈接：https://arxiv.org/ abs / 2209.14792視頻講解：https://youtu.be/ MWwESVyHWto短篇分析：https://www.louisbouchard.ai/ make-a-video/Whisper：大規(guī)模弱監(jiān)督語音識別模型你沒有想過有一個翻譯軟件可以速翻譯視頻中的語音，甚至是些你自己都聽不懂的語言？OpenAI 開源的 Whisper 恰好就能做到這一點(diǎn)。Whisper 在超過 68 萬小時的多語種數(shù)據(jù)上訓(xùn)練，識別嘈雜背景下的多語種聲音轉(zhuǎn)化為文字，此外還可勝任專術(shù)語的翻譯。論文鏈接：https://arxiv.org/ abs / 2212.04356項目地址：https://github.com/ openai / whisper視頻講解：https://youtu.be/ uFOkMme19Zs短篇解析：https://www.louisbouchard.ai/ whisper/DreamFusion：用 2D 圖像生成 3D 模型文本能生成圖像、視頻，還有 3D 模型～谷歌推出的 DreamFusion 通過使用預(yù)訓(xùn)練的 2D 文本到圖像擴(kuò)散模型可一鍵生成 3D 模型，在數(shù)十億圖像文本對上訓(xùn)練的擴(kuò)散模型動了文本到 3D 模型合成的最新突破。論文鏈接：https://arxiv.org/ abs / 2209.14988視頻講解：https://youtu.be/ epuU0VRIcjE短篇解析：https://www.louisbouchard.ai/ dreamfusion/Imagic：基于擴(kuò)散模型的真實(shí)圖像編輯方法使用 DALL?E 等文本圖像生成模型，只需輸楚辭一行文字便能得到想的圖片，但 AI 生成的圖像有時候并不那么完美。來自谷、以色列理工學(xué)院、魏茨曼科研究所的研究者介紹了一種基擴(kuò)散模型的真實(shí)圖像編輯方法 ——Imagic，只用文字就能實(shí)現(xiàn)真實(shí)照片的 PS。例如，我們可以改變一個人的涹山勢構(gòu)圖同時保留其原始特征，或我想讓一只站立的狗坐下，讓只鳥展開翅膀。論文鏈接：https://arxiv.org/ abs / 2210.09276項目地址：https://imagic-editing.github.io/視頻講解：https://youtu.be/ gbpPQ5kVJhM短篇分析：https://www.louisbouchard.ai/ imagic/eDiffi：更高品質(zhì)的文本圖像合成模型 DALL?E 和 Stable Diffusion 更強(qiáng)的圖像合成模型來了！這就英偉達(dá)的 eDiffi，它可以更準(zhǔn)確地生成更高品質(zhì)的圖，此外加入畫筆模具，可以為的作品增加更多創(chuàng)造性和靈活。論文鏈接：https://arxiv.org/ abs / 2211.01324項目地址：https://deepimagination.cc/ eDiff-I/視頻講解：https://youtu.be/ grwp-ht_ixo短篇分析：https://www.louisbouchard.ai/ ediffi/Infinite Nature：從單幅圖像中學(xué)習(xí)自然場景的無限視圖生成你有有想過，隨手拍一張照片然后像打開一扇門一樣飛進(jìn)圖片里？來自谷歌和康奈爾大學(xué)的學(xué)將這一想象變?yōu)榱爽F(xiàn)實(shí)，這就 InfiniteNature-Zero，他可從單幅圖像中生成無限制的自然高山景視圖論文鏈接：https://arxiv.org/ abs / 2207.11148項目地址：https://infinite-nature.github.io/視頻講解：https://youtu.be/ FQzGhukV-l0短篇分析：https://www.louisbouchard.ai/ infinitenature-zeroGalactica：用于科學(xué)的大語言模型Meta 開發(fā)的 Galactica 是一種大型語言模型，其大小與 GPT-3 相當(dāng)，但它擅長的領(lǐng)域是科學(xué)知識。該模型可編寫淑士府皮書、新聞評論、維基百科頁和代碼，它還知道如何引用以如何編寫方程式。這對人工智和科學(xué)來說是一件大事。論文接：https://arxiv.org/ abs / 2211.09085視頻講解：https://youtu.be/ 2GfxkCWWzLU短篇分析：https://www.louisbouchard.ai/ galactica/RAD-NeRF：基于音頻空間分解的實(shí)時人像合模型自從 DeepFake 和 NeRF 的出現(xiàn)，AI 換臉?biāo)坪跻呀?jīng)是司空見慣了，有個問題，AI 換的臉有時會因為對不上嘴型而露餡。RAD-NeRF 的出現(xiàn)可以解決這一問題，它可以對視頻中赤水出的說話者進(jìn)行實(shí)時的人像合成此外還支持自定義頭像。論文接：https://arxiv.org/ abs / 2211.12368項目地址：https://me.kiui.moe/ radnerf/ChatGPT：為對話優(yōu)化的語言模型2022 年度 AI 的重磅作品怎么能少了 ChatGPT，這個已經(jīng)火遍全網(wǎng)并已經(jīng)被網(wǎng)友開發(fā)出寫小黃、敲代碼等各種應(yīng)用的萬能模，如果你還不了解它，那就快看看！視頻講解：https://youtu.be/ AsFgn8vU-tQ短篇分析：https://www.louisbouchard.ai/ chatgpt/可直接用于生產(chǎn)使用的視頻人吉量 re-aging雖然當(dāng)下計算機(jī)視覺模型可以對人臉的年歸藏進(jìn)行生、風(fēng)格遷移等，但這也只是看來炫酷，在實(shí)際應(yīng)用中卻幾乎作用，現(xiàn)有的技術(shù)通常存在著部特征丟失、分辨率低和在后視頻幀中結(jié)果不穩(wěn)定的問題，往需要人工二次編輯。最近迪尼發(fā)布了第一個可實(shí)用的、完自動化的、可用于生產(chǎn)使用的頻圖像中 re-age 人臉的方法 FRAN（Face Re-Aging Network），正式宣告電影中靠化妝師改變演員年齡視覺效果的技落幕。論文鏈接：https://dl.acm.org/ doi / pdf / 10.1145/3550454.3555520項目地址：https://studios.disneyresearch.com/ 2022/11/30 / production-ready-face-re-aging-for-visual-effects/視頻講解：https://youtu.be/ WC03N0NFfwk短篇分析：https://www.louisbouchard.ai/ disney-re-age/參考資料：https://www.louisbouchard.ai/2022-ai-recap/本文來自微信公眾號：新智元 （ID：AI_era?