Google ha fatto un passo avanti nell’intelligenza artificiale con il lancio di VLOGGER, un sistema in grado di generare video realistici di persone che parlano, gestiscono e si muovono, partendo da una singola foto statica. Questa tecnologia, presentata in un articolo di ricerca intitolato “VLOGGER: Multimodal Diffusion for Embodied Avatar Synthesis”, si basa su modelli avanzati di machine learning per sintetizzare filmati sorprendentemente realistici, aprendo così a una serie di possibili applicazioni ma anche sollevando preoccupazioni riguardo ai deepfake e alla disinformazione.
Guidati da Enric Corona di Google Research, i ricercatori hanno sfruttato modelli di diffusione per ottenere questo risultato innovativo. Questi modelli hanno dimostrato di recente prestazioni notevoli nella generazione di immagini altamente realistiche da descrizioni di testo. Estendendoli nel dominio dei video e allenandoli su un vasto nuovo insieme di dati, il team è riuscito a creare un sistema IA in grado di dare vita alle foto in modo estremamente convincente.
VLOGGER può prendere in input una foto di una persona e un clip audio, per poi produrre un video che corrisponde all’audio, mostrando la persona mentre pronuncia le parole e fa espressioni facciali, movimenti della testa e gesti delle mani corrispondenti. Sebbene i video non siano perfetti e presentino alcuni artefatti, rappresentano comunque un significativo passo avanti nella capacità di animare immagini statiche.
Un elemento chiave è stata la creazione di un enorme nuovo dataset chiamato MENTOR, contenente oltre 800.000 identità diverse e 2.200 ore di video, un ordine di grandezza superiore a quanto disponibile in precedenza. Ciò ha permesso a VLOGGER di imparare a generare video di persone con etnie, età, abiti, pose e ambienti diversi senza pregiudizi.
Le potenziali applicazioni sono numerose: dal doppiaggio automatico dei video in altre lingue semplicemente sostituendo la traccia audio, all’editing senza soluzione di continuità e al completamento di frame mancanti in un video, fino alla creazione di video completi di una persona partendo da una singola foto.
Tuttavia, esistono anche implicazioni sociali. La tecnologia potrebbe essere utilizzata per creare deepfake, video sintetici in cui una persona viene sostituita con l’immagine di qualcun altro. All’aumentare della realtà e della facilità con cui si possono creare tali video, si potrebbero accentuare le sfide legate alla disinformazione e alle falsificazioni digitali.
Nonostante le sue limitazioni attuali, VLOGGER rappresenta un significativo passo avanti nell’intelligenza artificiale. Con ulteriori progressi, questo tipo di media generati dall’IA potrebbe diventare ubiquitario, portandoci verso un futuro in cui sarà difficile distinguere tra ciò che è reale e ciò che è falso.
________
Google researchers unveil ‘VLOGGER’, an AI that can bring still photos to life
