阿里巴巴智能计算研究所研发的“Animate Anyone”技术简介

介绍

阿里巴巴智能计算研究所开发的“Animate Anyone”是一种新的生成视频技术，可以将静态图像转换为高度逼真的动态深度伪造视频。该技术通过从参考图像提取面部特征、模式和姿势等细节，然后将这些细节映射到略微不同的姿势上，生成一系列图像，形成动态视频。相较于之前的技术，新模型在保留基本和精细细节方面取得了显著的改进。​​

技术改进

该技术改进了之前的图像到视频系统，解决了以往存在的幻觉问题，使生成的视频更为逼真。技术开发团队强调了一个新的中间步骤，使模型能够在一致的特征空间中全面学习与参考图像的关系，从而显著提高外观细节的保留。在展示的几个场景中，时尚模特能够以各种姿势展示服装而不失真，二维动漫角色生动地跳舞，梅西也展示了一些基本动作。

潜在滥用的担忧

尽管技术取得了进展，但人们对其潜在滥用感到担忧。通过一个高质量的个人照片，恶意行为者可以制作出几乎任何虚假视频，而结合面部动画和语音捕捉技术，甚至可以让被伪造的人表达任何言论。尽管目前技术过于复杂且存在缺陷，但在人工智能领域，这种状况往往不会持续太久。

未来展望

尽管该团队尚未将代码公开，但他们表示正在积极准备演示和代码以供公开使用。鉴于当前网络上已充斥着静态深度伪造图片和文本对话，一旦出现大量虚假视频，我们可能会面临一场信息混乱的风险。未来将会揭示互联网是否会迎来“舞蹈伪造”的狂潮，这可能比我们预想的还要更快到来。