文字直接轉視頻，科學(xué)家用機器學(xué)習算法實(shí)現這種操作

AAAI 2018大會(huì )上，研究團隊將對該研究進(jìn)行詳細的報告。

近日，《Science》雜志公布了一項新的機器學(xué)習算法，該算法可根據文本或者碎片式的信息來(lái)重建完整的視頻，如根據證人描述重現事故現場(chǎng)。

據了解，該算法是一種小型神經(jīng)網(wǎng)絡(luò )，即一系列小型計算元素層。其主要的工作分為兩個(gè)階段：一是通過(guò)文本生成視頻的“主旨”，即一個(gè)模糊的背景圖片上加注一些重要的標注；二通過(guò)綜合“主旨”和文本內容產(chǎn)生一個(gè)短視頻。此外，在訓練過(guò)程中，第二部分的網(wǎng)絡(luò )會(huì )對新增加的視頻內容進(jìn)行反復的對比，以提升性能。

目前，研究人員采用了十種生活場(chǎng)景對其訓練，包括在草地上打高爾夫、在海上玩風(fēng)箏沖浪等，算法生成的圖像還比較粗糙，呈現VHS錄像的顆粒感畫(huà)面?，F在，可達到高準確率的視頻約為32幀，持續時(shí)間為1秒，大小為64×64像素。研究人員之一，杜克大學(xué)的計算機科學(xué)家Yitong Li解釋道，“更高的分辨率會(huì )降低其準確度。”

雖然當前算法生成的視頻尚十分粗糙，但是這項研究實(shí)現了文本直接轉視頻技術(shù)上的質(zhì)的飛躍。“這是一個(gè)非常難的問(wèn)題，而他們的方法非常有趣，只要兩個(gè)階段。所以，對于他們現在取得的成就和突破，我感到非常高興。”馬里蘭大學(xué)計算機科學(xué)家Hamed Pirsiavash評價(jià)道。

比利時(shí)魯汶大學(xué)計算機科學(xué)家Tinne Tuytelaars也對此贊不絕口：“這是我所知道的第一部如此棒的文字轉視頻作品，它不完美，但至少看起來(lái)像是真正的視頻。這真的很好。”

最后，記得關(guān)注微信公眾號：鎂客網(wǎng)（im2maker），更多干貨在等你！