2024-05-15 | 김윤수 기자

用单人头像轻松合成合影…SKT新技术

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

SK电信开发出一项图像生成技术,只需输入个人头像,人工智能(AI)便能自动生成拥有各种背景和姿势的合影。该公司表示,这项技术突破了现有AI在人物识别性能上的局限,并计划将其用于包括AI个人助理“A.”在内的多种服务升级。

据信息技术(IT)业界14日消息,SK电信研究团队近日在预印本论文公开网站“arXiv”上公布了新的图像生成模型“Instant Family”,该模型能较为准确地保留多名人物的身份(ID),并据此将用户输入的文字指令生成为合影。arXiv是研究人员在通过同行评审并正式刊载于学术期刊之前介绍研究成果的平台。

论文封面采用了埃隆·马斯克、马克·扎克伯格、萨姆·奥尔特曼、杰夫·贝索斯、杨立昆、桑达尔·皮查伊、黄仁勋等7位当今引领AI产业的大型科技企业人士身穿宇航服在火星上拍摄的合影。这是将7人的个人头像照片与“他们在火星上拍摄的照片”这一指令输入Instant Family后得到的结果。合影中的人物虽然与各自原始头像的构图不同,但仍被较为准确、几乎无失真地呈现出来。

论文显示,与现有图像生成模型相比,Instant Family在按个人准确区分并描绘多名人物面部特征(即身份)的身份保留性能方面,被评价为处于最高水平。研究团队解释称,生成式AI在学习人物照片后创造出原本不存在的虚拟图像的技术已经存在,但生成合影的技术仍不完善。若一张图像中包含多个身份,AI无法准确区分而会相互混淆,出现“身份混合”等问题,导致结果失真。

研究团队将Instant Family的身份保留性能与被视为现有领先模型的“IP-Adapter”和“FastComposer”进行了比较。面对生成两名人物在海边或身穿警服的图像的指令,IP-Adapter扭曲了人物的下颌线,FastComposer未能正确呈现警服,而Instant Family生成了较为逼真的结果。性能量化指标也高于现有模型。

据悉,该研究团队隶属于由SK电信副社长郑石根领导的全球AI·技术事业部,正参与A.等AI开发。他们的相关研究成果预计今后将反映到公司的服务升级中。SK电信正基于自研大语言模型(LLM)“A.X”提供支持聊天机器人、通话摘要与翻译等功能的A.服务。与该研究成果相关的图像生成功能包括可编辑照片并制作头像的“A. Photo”。

阅读韩文原文