近日，在蒙特利爾舉行的神經(jīng)信息處理系統(tǒng)大會(huì)（NeurIPS）上，英偉達(dá)在一篇題為“視頻到視頻合成（“Video-to-Video Synthesis” ）”的技術(shù)論文中闡述了其最新AI成果。

據(jù)透露，英偉達(dá)最新研發(fā)的這項(xiàng)成果，是可以渲染合成交互式3D環(huán)境的AI技術(shù)。在創(chuàng)建逼真的3D環(huán)境時(shí)，英偉達(dá)研發(fā)團(tuán)隊(duì)不再使用傳統(tǒng)的圖形技術(shù)，而是使用神經(jīng)網(wǎng)絡(luò) ，特別是“生成模型”，通過(guò)來(lái)自如YouTube等來(lái)源的真實(shí)視頻，進(jìn)行模型訓(xùn)練，最終構(gòu)建逼真的3D虛擬世界。

英偉達(dá)研發(fā)團(tuán)隊(duì)之所以使用“生成模型”來(lái)提高輸出的準(zhǔn)確性，是由于這種模型要求機(jī)器必須有效地內(nèi)化數(shù)據(jù)的本質(zhì)，它也因此被廣泛認(rèn)為是促進(jìn)機(jī)器“理解”大量數(shù)據(jù)之間關(guān)系的最有前途的方法之一。

但是，像所有神經(jīng)網(wǎng)絡(luò)一樣，使用這個(gè)模型也需要訓(xùn)練數(shù)據(jù)。幸運(yùn)的是，英偉達(dá)研發(fā)團(tuán)隊(duì)將AI模型應(yīng)用于街景，通過(guò)自動(dòng)駕駛項(xiàng)目采集到的大量視頻數(shù)據(jù)，確保了其關(guān)于城市街道上行駛車(chē)輛的訓(xùn)練鏡頭，再以分段網(wǎng)絡(luò)識(shí)別不同的對(duì)象類(lèi)別，如地面，樹(shù)木，汽車(chē)，天空，建筑物等，開(kāi)發(fā)算法以了解每個(gè)對(duì)象與其他對(duì)象的關(guān)系，最終，這些模型創(chuàng)建了城市環(huán)境的基本拓?fù)浣Y(jié)構(gòu)，然后AI再?gòu)幕趶挠?xùn)練數(shù)據(jù)中學(xué)到的東西，模擬世界外觀，包括照明，材料和動(dòng)態(tài)等，由此生成幾乎是還原性的高逼真3D環(huán)境。

“由于場(chǎng)景是完全合成生成的，因此可以輕松編輯以刪除，修改或添加對(duì)象”英偉達(dá)表示。

在論文中，英偉達(dá)研發(fā)團(tuán)隊(duì)得出的結(jié)論是：“我們提出了一種基于條件生成對(duì)抗網(wǎng)絡(luò)（GAN）的通用視頻到視頻合成框架：通過(guò)精心設(shè)計(jì)的發(fā)生器、鑒別器網(wǎng)絡(luò)以及時(shí)空對(duì)抗物鏡，我們可以合成高分辨率、照片級(jí)真實(shí)、時(shí)間一致的視頻，大量實(shí)驗(yàn)表明，我們的結(jié)果明顯優(yōu)于最先進(jìn)方法的結(jié)果。”

不得不承認(rèn)，迄今為止，AI已經(jīng)是人類(lèi)最強(qiáng)有力的創(chuàng)新“加速器”，它讓人類(lèi)的能力得以延展，并逐漸變得更加強(qiáng)大。我們都能看到，在全世界范圍內(nèi)，數(shù)以萬(wàn)計(jì)的科學(xué)家們都在為AI技術(shù)的前沿突破做出努力，除了英偉達(dá)之外，不論是像Google、Facebook這樣的海外巨頭，還是類(lèi)似國(guó)內(nèi)曠視科技、極鏈科技這樣的AI科技公司，都致力于全力研發(fā)產(chǎn)出能像人一樣思考的AI技術(shù)。今天，曠視科技已經(jīng)實(shí)現(xiàn)AI識(shí)別人臉對(duì)象中的各種特征，極鏈科技已經(jīng)實(shí)現(xiàn)AI理解海量視頻的場(chǎng)景表達(dá)，而未來(lái)，AI必然不僅是會(huì)讓機(jī)器“知其然”，還要做到讓它“知其所以然”，以最終實(shí)現(xiàn)推動(dòng)整個(gè)AI進(jìn)入“深度智能”的偉大愿景。