Sun. Sep 25th, 2022
    en flag
    nl flag
    et flag
    fi flag
    fr flag
    de flag
    he flag
    ja flag
    lv flag
    pl flag
    pt flag
    es flag
    uk flag

    Redaktora piezīme. Laiku pa laikam ComplexDiscovery izceļ publiski pieejamus vai privāti iegādājamus paziņojumus, satura atjauninājumus un pētījumus no kibernoziegumu, datu un juridisko atklājumu nodrošinātājiem, pētniecības organizācijām un ComplexDiscovery kopienas dalībniekiem. Lai gan ComplexDiscovery regulāri izceļ šo informāciju, tā neuzņemas nekādu atbildību par satura apgalvojumiem.

    Lai iesniegtu ieteikumus izskatīšanai un iekļaušanai ComplexDiscovery kibernoziegumu, datu un juridisko atklājumu orientētos pakalpojumos, produktos vai izpētes paziņojumos, sazinieties ar mums jau šodien.

    Fona piezīme. Nesen publicētajā pētījuma ziņojumā ir izskaidrota pirmā megapikseļu iemiesojumu izveides sistēma megapikseļu avatāru izveidei no atsevišķiem portreta attēliem. Ziņojums var būt noderīgs pētniekiem un tiesvedības dalībniekiem, kuri uzrauga potenciālos uz attēlu balstītus renderēšanas rīkus un tehnoloģijas, kuras var izmantot dziļās viltošanas radīšanā.

    Publikācija no ARXIV*

    MegaPortraits: Viena kadra megapikseļu nervu galvas Avatars

    Ar Ņikita Drobyshev, Jenya Chelishev, Taras Khakhulin, Aleksejs Ivakhnenko, Viktors Lempitsky, un Egors Zakharov

    Abstrakts

    Šajā darbā mēs virzāmies uz megapikseļu izšķirtspēju nervu galvas iemiesojuma tehnoloģiju, vienlaikus koncentrējoties uz īpaši sarežģīto krustbraukšanas sintēzes uzdevumu, t.i., kad braukšanas attēla izskats būtiski atšķiras no animācijas avota attēla. Mēs piedāvājam jaunu nervu arhitektūru un apmācības metožu kopumu, kas var izmantot gan vidējas izšķirtspējas video datus, gan augstas izšķirtspējas attēla datus, lai sasniegtu vēlamo līmeni sniegtā attēla kvalitātei un vispārināšanai jauniem skatiem un kustībām. Mēs demonstrējam, ka piedāvātās arhitektūras un metodes rada pārliecinošus augstas izšķirtspējas neironu avatārus, pārspējot konkurentus savstarpējā braukšanas scenārijā. Visbeidzot, mēs parādām, kā apmācītu augstas izšķirtspējas neironu avatāra modeli var destilēt vieglā studentu modelī, kas darbojas reāllaikā un bloķē nervu avatāru identitāti vairākiem desmitiem iepriekš definētu avota attēlu. Reālā laika darbība un identitātes atslēga ir būtiska daudziem praktiskiem pielietojumiem galvas iemiesojumu sistēmām.

    No Mona Lisa līdz Angelina Jolie - Skatiet tehnoloģiju darbībā

    Ievads

    Neironu galvas avatāri piedāvā jaunu aizraujošu veidu, kā radīt virtuālos galvas modeļus. Viņi apiet reālistiskas fizikas balstītas cilvēka iemiesojumu modelēšanas sarežģītību, apgūstot formu un izskatu tieši no runājošo cilvēku videoklipiem. Pēdējo gadu laikā ir izstrādātas metodes, kas var radīt reālistiskus iemiesojumus no vienas fotogrāfijas (viena kadra). Viņi izmanto plašu iepriekšēju apmācību par dažādu cilvēku videoklipu lielajām datu kopām, lai izveidotu iemiesojumus viena kadra režīmā, izmantojot vispārīgas zināšanas par cilvēka izskatu.

    Neskatoties uz iespaidīgajiem rezultātiem, kas iegūti ar šīs klases metodēm, to kvalitāti stingri ierobežo mācību datu kopu izšķirtspēja. Šo ierobežojumu nevar viegli apiet, apkopojot augstākas izšķirtspējas datu kopu, jo tai ir jābūt vienlaikus liela mēroga un daudzveidīgai, t.i., ietver tūkstošiem cilvēku ar vairākiem kadriem uz vienu cilvēku, daudzveidīgu demogrāfiju, apgaismojumu, fonu, sejas izteiksmi un galvas pozu. Cik mums zināms, visas publiskās datu kopas, kas atbilst šiem kritērijiem, ir ierobežotas izšķirtspējā. Rezultātā pat jaunākās viena kadra iemiesojumu sistēmas apgūst avatārus ar rezolūcijām līdz 512 × 512.

    Mūsu darbā mēs veicam trīs galvenos ieguldījumus. Pirmkārt, mēs piedāvājam jaunu modeli viena kadra neironu iemiesojumiem, kas sasniedz mūsdienīgu pārrobežu reenactment kvalitāti līdz 512 × 512 izšķirtspējai. Mūsu arhitektūrā mēs izmantojam ideju pārstāvēt iemiesojumu izskatu kā latentu 3D apjomu un piedāvājam jaunu veidu, kā to apvienot ar latentajām kustības pārstāvniecībām, kas ietver jaunu kontrastējošu zudumu, kas ļauj mūsu sistēmai sasniegt augstāku atsaisti starp latentajiem kustības un izskats pārstāvniecības. Papildus tam mēs pievienojam problēmu specifisku skatienu zudumu, kas palielina acu animācijas reālismu un precizitāti.

    Mūsu otrais un izšķirošais ieguldījums ir parādīt, kā vidēja izšķirtspējas video apmācīto modeli var “uzlabot” līdz megapikseļu (1024 × 1024) izšķirtspējai, izmantojot papildu datu kopu ar augstas izšķirtspējas nekustīgiem attēliem. Tā rezultātā mūsu ierosinātā metode, izmantojot to pašu mācību datu kopu, pārspēj bāzes super-izšķirtspējas pieeju savstarpējas atjaunošanas uzdevumam. Tādējādi mēs esam pirmie, kas demonstrē nervu galvas iemiesojumus pareizā megapikseļu izšķirtspējā.

    Visbeidzot, tā kā daudzi praktiski pielietojumi cilvēka iemiesojuma radīšanai prasa reāllaiku vai ātrāk nekā reāllaika renderēšana, mēs destilējam mūsu megapikseļu modeli desmit reižu ātrākā studentu modelī, kas darbojas ar 130 FPS mūsdienu GPU. Šis nozīmīgais speedup ir iespējams, jo students ir apmācīti konkrētiem uzstāšanās (atšķirībā no galvenā modeļa, kas var radīt jaunus iemiesojumus iepriekš neredzētiem cilvēkiem). Turklāt lietojumprogrammas, kuru pamatā ir šāds studentu modelis “bloķēts” iepriekš definētām identitāšu vajadzībām, var novērst tās ļaunprātīgu izmantošanu “dziļu viltojumu” radīšanai, vienlaikus sasniedzot zemu renderēšanas latentumu.

    Lasīt sākotnējo ziņu.

    Pilnīgs ziņojums: MegaPortraits: Viena kadra megapikseļu nervu galvas avatars (PDF) - Mouseover, lai ritinātu

    MegaPortraits- Viena kadra megapikseļu nervu galvas avatāri

    Izlasiet sākotnējo publikāciju.

    * Kopīgota ar atļauju, pamatojoties uz izglītības un nekomerciālu izplatīšanu saskaņā ar Creative Commons 4.0 starptautisko licenci.

    Publikācijas avots:

    Ņikita Drobyshev, Jenya Chelishev, Taras Khakhulin, Aleksejs Ivakhnenko, Viktors Lempitsky, un Egor Zakharov. 2022. MegaPortraits: Viena kadra megapikseļu Neironu Head Avatars. 30. ACM Starptautiskās konferences par multividi (MM '22) procesos, 2022. gada 10.—14. oktobrī Lisboa, Portugāle. ACM, Ņujorka, NY, ASV, 18 lpp.

    Papildus lasīšana

    [Samsung Labs] MegaPortraits: Viena kadra megapikseļu nervu galvas Avatars

    Definējot Cyber Discovery? Definīcija un ietvars

    Avots: ComplexDiscovery

    Noliecoties uz priekšu? CISA 2023—2025. gada stratēģiskais plāns

    The purpose of the CISA Strategic Plan is to communicate the...

    Nepārtraukta riska uzlabošana? Q3 Cyber Round-Up No Cowbell Cyber

    According to Manu Singh, director of risk engineering at Cowbell, "Every...

    Visaptverošs kibernoziegumu atklāšanas resurss? DoD kiberdrošības politikas diagramma no CSIAC

    The Cyber Security and Information Systems Information Analysis Center (CSIAC) is...

    Strauji apgrozības kibernoziegumu apdrošināšana? Q2 Cyber Round-Up No Cowbell Cyber

    According to Isabelle Dumont, SVP of Marketing and Technology Partners at...

    Atklājot atbildi? Nuix atbild uz ASX informācijas pieprasījumu

    The following investor news update from Nuix shares a written response...

    Atklāj atskaites? Nuix piezīmes preses spekulācijas

    According to a September 9, 2022 market release from Nuix, the...

    HayStackID® iegādājas biznesa informācijas partnerus

    According to HaystackID CEO Hal Brooks, “BIA is a leader in...

    Viens liels programmatūras un mākonis bizness? OpenText, lai iegādātos mikro fokusu

    According to OpenText CEO & CTO Mark J. Barrenechea, “We are...

    Pārvietot? 2022 E-datu atklāšanas tirgus kinētika: piecas interesējošas jomas

    Recently ComplexDiscovery was provided an opportunity to share with the eDiscovery...

    Uzticēšanās procesam? 2021 e-datu atklāšanas apstrādes uzdevums, tērēšana un izmaksu dati

    Based on the complexity of cybersecurity, information governance, and legal discovery,...

    Gads pārskatā? 2021 e-atklāšanas pārskatīšanas uzdevums, tērēšana un izmaksu datu punkti

    Based on the complexity of cybersecurity, information governance, and legal discovery,...

    2021 Apskatiet e-atklāšanas kolekciju: uzdevumu, tērēšanas un izmaksu datu punkti

    Based on the complexity of cybersecurity, information governance, and legal discovery,...

    Pieci Great lasa par kibernoziegumu, datu un juridisko atklājumu par 2022. gada septembrī

    From privacy legislation and special masters to acquisitions and investigations, the...

    Pieci Great lasa par kibernoziegumu, datu un juridisko atklājumu augustā 2022

    From AI and Big Data challenges to intriguing financial and investment...

    Pieci Great lasa par kibernoziegumu, datu un juridisko atklājumu jūlijā 2022

    From lurking business undercurrents to captivating deepfake developments, the July 2022...

    Pieci Great lasa par kibernoziegumu, datu un juridisko atklājumu par jūnijs 2022

    From eDiscovery ecosystem players and pricing to data breach investigations and...

    Cooler Temperatūra? Fall 2022 e-datu atklāšanas uzņēmumu uzticības aptaujas rezultāti

    Since January 2016, 2,874 individual responses to twenty-eight quarterly eDiscovery Business...

    Liekums vai deformācija? Astoņu pusgada e-datu atklāšanas cenu apsekojumu apkopojums

    Initiated in the winter of 2019 and conducted eight times with...

    Mainot straumes? Astoņpadsmit novērojumi par e-datu atklāšanas uzņēmumu uzticību 2022. gada vasarā

    In the summer of 2022, 54.8% of survey respondents felt that...

    Izaicinājums Varianti? E-datu atklāšanas biznesa veiktspēju ietekmējošas problēmas: 2022. gada vasaras pārskats

    In the summer of 2022, 28.8% of respondents viewed increasing types...