北京時(shí)間7月10日下午消息，據(jù)美國科技博客Gizmodo報(bào)道，本周《麻省理工科技評(píng)論》雜志發(fā)布的一篇論文披露了谷歌研發(fā)的新系統(tǒng)Deep Stereo，該系統(tǒng)可以通過人工智能技術(shù)將一系列照片無縫組合成為視頻。

　　論文作者名為約翰-弗林，是一名谷歌工程師，其他三位合著者也都在谷歌工作。在論文中，弗林闡述了谷歌研發(fā)DeepStereo系統(tǒng)的全過程。

　　早在Deep Stereo之前，就有類似利用靜態(tài)圖片輸出動(dòng)畫的技術(shù)存在。美國計(jì)算機(jī)協(xié)會(huì)計(jì)算機(jī)圖形專業(yè)組（SIGGRAPH）就曾通過網(wǎng)上圖像制作過延時(shí)動(dòng)畫。

　　但與其他靜態(tài)圖像生成動(dòng)畫技術(shù)相比，Deep Stereo系統(tǒng)最大的不同在于，它可以猜測出圖像的缺失部分，在空白處創(chuàng)造出來源圖片中沒有的新圖像。據(jù)英國媒體Register報(bào)道，和傳統(tǒng)動(dòng)畫利用視覺暫停的原理不同，Deep Steoreo可以“想象出”兩幅靜止圖像之間的畫面。

　　弗林和他的合著者在論文中寫道，“這項(xiàng)技術(shù)與之前的產(chǎn)品截然不同，我們嘗試采用新型深度架構(gòu)直接合成新圖像，不需要預(yù)先設(shè)置景深、焦距等訓(xùn)練數(shù)據(jù)。”

　　該系統(tǒng)背后的網(wǎng)絡(luò)架構(gòu)原理十分復(fù)雜，借鑒了各種先例。但作者在文中介紹了該技術(shù)的獨(dú)到之處：系統(tǒng)在工作時(shí)會(huì)采用兩套獨(dú)立的網(wǎng)絡(luò)架構(gòu)。其中之一會(huì)根據(jù)已有的2D數(shù)據(jù)預(yù)測各個(gè)像素的景深。另外一個(gè)則會(huì)對(duì)色彩作出預(yù)測。兩者共同以2D圖像的形式完成對(duì)景深和色彩的預(yù)測，最終合成視頻。

　　Deep Stereo仍有不足之處：視頻角落的畫面很不清晰�！八惴�沒有涉及到的區(qū)域往往是模糊的，無法被覆蓋，也無法使用像素填充，”開發(fā)團(tuán)隊(duì)解釋說。不過，這套系統(tǒng)暗藏了一個(gè)通過模糊的圖源生成物體的小技巧：“移動(dòng)對(duì)象在訓(xùn)練數(shù)據(jù)中非常常見，我們的模型可以優(yōu)雅地完成這個(gè)動(dòng)作：開始出現(xiàn)的時(shí)候是模糊的，然后逐漸轉(zhuǎn)換為運(yùn)動(dòng)模糊效果�！�

　　雖然該系統(tǒng)生成的最終產(chǎn)品與通過圖像簡單合成的動(dòng)畫區(qū)別不大，但該技術(shù)能夠?yàn)楣雀璧慕志凹夹g(shù)錦上添花。同時(shí)也能為谷歌的人工智能技術(shù)提供一個(gè)更加實(shí)用的范例。

　　本月，谷歌的“夢想機(jī)器人”在互聯(lián)網(wǎng)上走紅，這是該公司超級(jí)先進(jìn)的人工神經(jīng)網(wǎng)絡(luò)，由谷歌的工程師團(tuán)隊(duì)開發(fā)而成。設(shè)計(jì)初衷是要找到一種切實(shí)可行的方法，讓計(jì)算機(jī)辯認(rèn)出圖像中的內(nèi)容。谷歌工程師正在教這些不可理喻的人工“大腦”辨識(shí)動(dòng)物或架構(gòu)，順便也做做“夢”，此舉令人感到震驚和恐懼。