|下一代人工智能：“Make-A-Video”你应该知道的事

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

正当人工智能界为文本到图像系统的惊人进展而绞尽脑汁的时候，下一代人工智能即将到来：从文本到视频。
下面一起来看一下到底是怎么回事吧！
本文主要围绕以下三个问题展开：

人工智能是什么？
从文字转图片
从文字转视频

人工智能是什么？
AI
人工智能（Artificial Intelligence）简称为AI ，也被称之为机器智能，指以最少的人工干预利用计算机模仿人类智力的行为人们普遍认为AI起源于机器人的发明。 AI的目的就是使机器像人类一样思考并做出正确的决策以增强人类的智能。

像人一样思考的AI
AI经过数十年的发展研究热点由最开始的机器定理证明到模拟人类专家知识、经验以解决特定问题的专家系统再到目前以深度神经网络为代表的新一代AI 。

AI研究大致进展
从文字转图片将文字生成图像是近些年来比较具有挑战性的事情之一，早期的研究都是基于卷积生成器，直接对给定的文本合成图像，这种办法在处理已知的领域时，效果还可以，但是推广到一般领域，表现比较糟糕！
据报道，旧金山人工智能研究公司OpenAI已经开发了一种新系统，能根据短文本来生成图像。

由文本生成的图像
OpenAI在官方博客中表示，这个新系统名为DALL-E ，新系统展示了“创造图像的能力” ， OpenAI还发布了图像识别系统Clip 。
Clip通用性比当前针对单个任务的系统更好，可以用网上公开的文字图像配对数据集来训练。如字节跳动研究小组提出了 CLIP-GEN架构，它是一种基于 VQ-GAN 的自监督方案，用于一般文本到图像的生成，其语言-图像先验因素从预训练 CLIP 模型中提取。

CLIP-GEN 架构

文本转图像
从文字转视频今年前些时候， Meta推出了Make-A-Video ，这是一种人工智能，可以根据文本提示生成5秒的视频。下面是官方给的几个生成的例子！
比如生成那只狗狗的文字是：
A dog wearing a Superhero outfit with red cape flying through the sky.

文字转视频
再看一下其它由文字生成视频的例子：

A teddy bear painting a portrait(正在画肖像的泰迪熊):

正在画肖像的泰迪熊
Robot dancing in times square(机器人在时代广场跳舞)：

机器人在时代广场跳舞
是不是觉得很有趣很神奇呢？更夸张的还在后面了，请接着往下看：
看一下由图片生成视频的例子：
输入图片：

输入图片
生成的视频：

生成的视频
你以为由文字、图片生成视频就完了？
当然不止这些，最夸张的是可以为你的视频添加额外的创意，就是由原始视频到“有创意的视频” 。