AI生成的風(fēng)景

模型結(jié)構(gòu)與算法

AI生成視頻的能力

• META（臉書）最新的算法，效果也和前幾年的AI繪畫一樣差

基于開源算法制作簡單的AI

目的：實現(xiàn)對已有的視頻一鍵轉(zhuǎn)換，將拍到的視頻重構(gòu)，由AI生成不同的畫風(fēng)

算法：阿里達摩院和北京大學(xué)一篇新的論文DCT-Net作為整個AI 的核心

DCT-Net優(yōu)勢：參數(shù)量不大，對顯存要求也不是很高

底層：StyleGAN2-based

邏輯：傳統(tǒng)的遷移模型，可以利用小樣本數(shù)據(jù)進行生成，并通過端到短推理快速得出結(jié)果

架構(gòu)：

• 對視頻解析后，將畫面逐幀輸入模型
• 生成結(jié)構(gòu)后進行拼接重構(gòu)

注意：整個過程AI需要保持分辨率，避免失真

AI開發(fā)：開源庫ModelScope

底層支持：tensorflow和pytorch兩大深度學(xué)習(xí)框架

國內(nèi)各大城市由AI重構(gòu)并生成的景色

AI開源見解

• 市場環(huán)境不明朗，傳統(tǒng)的吹泡泡式AI模式已經(jīng)難以為繼
• 對于企業(yè)或者ModelScope這樣的社區(qū)來說，開源一方面代表著利益的放棄，把很多能商業(yè)變現(xiàn)的模型分享出來；另一方面提供模型使用平臺，為行業(yè)創(chuàng)造墊腳石
• 任何技術(shù)，必然先在個別開發(fā)者中普及，最后才觸達每一個人
• 開源的意義就在于讓AI從“模型即代碼”到“模型即服務(wù)”的轉(zhuǎn)化中走的更順暢
• 對于中文AI行業(yè)來說，應(yīng)該以此為參照，打破門戶之見，推動更多技術(shù)開源開放
• 技術(shù)積累上我們落后太多，一些領(lǐng)域我們是開源鏈的下游，所以更要發(fā)展自己的社區(qū)生態(tài)，反哺上游
• 對于真正的AI普及來說，僅有開源是不夠的，隨著一些開源社區(qū)的逐漸繁榮，為本土化的AI開發(fā)和下游生態(tài)提供更好的平臺，讓我們無需想辦法瀏覽外國的網(wǎng)站，就能用到AI繪畫、AI寫作等技術(shù)
• 甚至通過AI創(chuàng)造價值獲得收益，最終推動人工智能在我國真正走向大眾化