谷歌的 DeepMind AI 可以将单幅图像“转帧”成视频

本周早些时候，谷歌先进的 DeepMind 神经网络背后的团队公布了一项名为 Transframer 的新功能，该功能允许人工智能从单个图像输入生成 30 秒的视频。乍一看，这是一个巧妙的小技巧，但其影响远不止一个有趣的 .GIF 文件。

DeepMind 研究团队解释道：“Transframer 在各种视频生成基准上都处于领先地位，并且……无需任何明确的几何信息，就能从一张图片生成连贯的 30 秒视频。”基本上，Transframer 只需要一张照片，然后分析并识别图片的取景，即桌子、走廊或街道等线索。在使用这些“背景图像”预测主体周围环境后，它会设想（并随后展示）该目标从各个角度看起来会是什么样子。DeepMind 团队用椅子、笔记本电脑、一杯水，甚至一本 GRE 教科书等目标来说明这一过程。

“给定一组带有相关注释（时间戳、相机视点等）的上下文图像和查询注释，任务是预测目标图像的概率分布，”该团队继续说道。“该框架支持一系列视觉预测任务，包括视频建模、新颖的视图合成和多任务视觉。”

Futurism指出，Transframer 有朝一日可能会为视频游戏行业开辟一条全新的道路，利用机器学习来构建数字环境，而不是依赖更耗时的渲染方法。随着技术的进步，DeepMind 的 Transframer 训练可以为艺术、科学分析和进一步的人工智能开发开辟全新的道路。此外，一位 Twitter 用户设想将他们的 OpenAI 的 DALL-E 图片搭载在 Transframer 程序上，以创建堆叠的人工智能作品——好像这些图像再超现实不过了。