模型|北大校友马里千:计算机视觉商用的下一个十年,AI 生成应占有一席之地( 六 )
在思考研究图像合成的应用意义时,他针对人体合成与场景合成在数据增量的应用进行了探索,希望图像合成的落地能够不仅局限于娱乐与图像编辑。后来,在接触工业界的过程中,马里千了解到,其实图像合成有许多潜在应用,比如Codec Avastar可以用来远程交流,电商、视频网站、VR/AR等技术中的内容生成也会用到图像合成。
想法的落地,需要“天时、地利、人和”。去年3月,在与朋友张诗莹等人深入探讨后,他们一致认为,在多媒体时代,图像/视频内容自动生成是未来的趋势。如果人只是提供一个创意,让 GAN、DALL·E等生成模型自动生成内容,那么不仅可以降低内容的生产门槛,还能提高生成的效率。
“多媒体内容的制作成本非常高,比如一条抖音短视频,要有创意,有后期制作,还有演员、摄影师等等。而当你投入很大的成本去拍一条视频时,你并不能确保你的视频能够吸引到很大的流量。”在这种情况下,AI 自动生成技术无疑能大大降低创作的时间和金钱成本,让创作者只要给出最核心的idea、便能看到 AI 生成的优质内容,减少投入的成本和风险。
一拍即合后,ZMO.AI应运而生,成立不到一个月,就拿到顶级风险投资机构GSR Ventors 金沙江创投和 GGV 纪源资本上千万的融资金额,估值近亿。
ZMO的落地重心是打造世界上最前沿的人工智能的内容生成引擎:从一张简单的衣服照片,或是一句文字的描述,就可以直接生成以假乱真的2D效果图或者视频。他们坚信未来的世界万物皆可生成,这将彻底重塑人类生产内容的方式,颠覆传统互联网内容生成的底层逻辑。
目前,ZMO在发展的第一阶段,便已能利用算法与数据,降低多媒体内容的生产成本,帮助诸多头部电商实现降本增效。
张诗莹谈道:“信息时代,我们缺的不是内容,而是有差异化的高质量内容。从GAN的诞生至今,AI在内容生成方面的技术发展已渐趋成熟,很大希望成为AI商用的下一个风口。”
做内容生成,你“GAN”吗?
当人脸识别、产品瑕疵检测等应用广泛落地时,人们也逐渐将对 AI 感知技术的关注转向其他领域,比如认知智能。但马里千认为,在 AI 的下一个十年里,内容生成应占有一席之地。
相比赋予机器知识与推理能力的漫长道路,让机器执行人类的概念与想法似乎更简单,尤其是在图像与视频的内容编辑上。除了老照片修复、换脸、换装等简单应用,如果计算机视觉的深度合成技术能够用于大脑画面的还原,比如自己写一个《权力的游戏》大结局剧本,合成一部只属于自己的电视剧,那么人人都有成为导演的机会。
这是马里千的梦想,也可能是你的梦想。
在采访的最后,我们问马里千,他如何看待ZMO的未来。对于这个问题,马里千没有正面回答,只给了一句意味深长的感慨:“不要忘了,像视觉四小龙的崛起,也仅仅是这几年的事。”
你与未来的距离,只差一封求职信:
由于微信公众号试行乱序推送,您可能不再能准时收到AI科技评论的推送。为了第一时间收到AI科技评论的报道, 请将“AI科技评论”设为星标账号,以及常点文末右下角的“在看”。
- 从几个月到几分钟,NLP模型运行效率暴涨,小公司也能玩大模型
- 腾讯文档|从事展览3d模型设计,你需要具备那些能力?---模大狮网
- 英伟达|NVIDIA Triton 推理引擎公开课上新:基于多实例 GPU 和 K8s 的大规模 CV 模型部署实践
- 肠道菌群|肠道菌群又有新“用途”:建立非酒精性脂肪肝发病预警模型
- aiXcoder XL智能编程大模型发布:自然语言一键生成方法级代码
- AI自己写代码让智能体进化!OpenAI的大模型有“人类思想”那味了
- 字节跳动 AI Lab 提出多模态模型:X-VLM,学习视觉和语言多粒度对齐
- 电子商务|虚拟化身动作不协调?Meta开源肌肉骨骼动力学模型MyoSuite
- 小米科技|小米汽车露真容:雷军迫不及待,先晒模型图,是一台SUV
- 百度APP数字人上线个性化AI陪聊功能 文心大模型助力对话交互式搜索创新
