Runway از Act-Two رونمایی کرد؛ موشن کپچر با هوش مصنوعی + ویدیو_آفتاب شرق

شرکت Runway از مدل تازه موشن کپچر خود با نام «Act-Two» رونمایی کرد. این مدل به کاربران امکان می‌دهد تا فقط با منفعت گیری از ویدیویی ساده از یک بازیگر، هر نوع شخصیتی را، از انسان گرفته تا موجودات فانتزی، با جزئیات کامل و واقع‌گرایانه متحرک کنند.

ابزارهای هوش مصنوعی به شدت درحال تحول صنعت ویدیو می باشند، شرکت Runway نیز با معارفه Act-Two گامی بزرگ در حوزه موشن کپچر برداشته است. این فناوری به‌جای منفعت گیری از لباس‌های مخصوص و سنسورهای گران‌قیمت، تنها به دو ورودی نیاز دارد: یک ویدیوی عادی از یک فرد که درحال سخن بگویید‌کردن، حرکت و ابراز احساسات است و یک عکس یا ویدیوی ثابت از شخصیتی که می‌خواهید آن را متحرک کنید. سپس، هوش مصنوعی Act-Two به‌طور خودکار، همه حرکات، حالات چهره، حرکات دست و حتی نحوه سخن بگویید‌کردن را از ویدیوی اول به شخصیت دوم منتقل می‌کند.

معارفه هوش مصنوعی Act-Two از Runway

فناوری موشن کپچر سنتی، فرایندی زیاد پرهزینه و پیچیده است که نیازمند استودیوهای تجهیزو تجهیزات گران‌قیمت است. Act-Two پتانسیل آن را دارد که این فرایند را در اختیار همه بگذارد و به فیلم‌سازان جدا گانه، استودیوهای کوچک و حتی تولیدکنندگان محتوای معمولی اجازه دهد تا با کیفیتی نزدیک به تولیدات بزرگ، شخصیت‌های خود را متحرک کنند.

مدل تازه Runway که برپایه مدل ویدیویی Gen-4 ساخته شده، دارای بهبودهای قابل توجهی است:

• Act-Two قادر به ردیابی همزمان سر، صورت، بدن و حرکات دقیق دست‌ها است.
• این سیستم می‌تواند شکل اجرا را به طیف وسیعی از شخصیت‌ها با سبک‌های هنری گوناگون (از رئال تا کارتونی) منتقل کند، بدون آنکه کیفیت و وفاداری به اجرای مهم افت یابد.
• زمان منفعت گیری از یک عکس ثابت به گفتن مرجع شخصیت، Act-Two نه تنها حرکات بدن و دست‌ها را از ویدیوی محرک کنترل می‌کند، بلکه به‌طور خودکار حرکات محیطی نامحسوسی را نیز به صحنه اضافه می‌کند تا نتیجه نهایی طبیعی‌تر به نظر برسد.
• زمان منفعت گیری از یک ویدیوی مرجع، سیستم محیط و حرکت دوربین ویدیوی مهم را نگه داری می‌کند.

قابلیت Act-Two هم‌اکنون برای کاربران اشتراک‌های Standard و بالاتر در پلتفرم Runway در دسترس است. هزینه منفعت گیری از آن ۵ کردیت به ازای هر ثانیه خروجی است و حداقل طول ویدیو باید ۳ ثانیه باشد. این سیستم قادر به تشکیل ویدیوهایی تا سقف ۳۰ ثانیه با رزولوشن‌های گوناگون و با نرخ ۲۴ فریم بر ثانیه است.