{"id":9497,"date":"2021-11-16T17:58:29","date_gmt":"2021-11-16T17:58:29","guid":{"rendered":"https:\/\/www.abrima.com\/blog\/?p=9497"},"modified":"2021-11-16T17:58:31","modified_gmt":"2021-11-16T17:58:31","slug":"como-la-ia-puede-hacer-bailar-a-cualquier-persona-en-un-video","status":"publish","type":"post","link":"https:\/\/www.abrima.com\/blog\/como-la-ia-puede-hacer-bailar-a-cualquier-persona-en-un-video\/","title":{"rendered":"C\u00f3mo la IA puede hacer bailar a cualquier persona en un v\u00eddeo"},"content":{"rendered":"\n

Los avances de la IA en aprendizaje autom\u00e1tico, m\u00e1s los progresos propios de \u00e1reas como la producci\u00f3n audiovisual, la realidad aumentada y virtual, est\u00e1n generando una instancia de potenciamiento mutuo para estas tecnolog\u00edas.<\/h1>\n\n\n\n

Siguiendo una idea que ha sido abordada con muchos enfoques a lo largo del tiempo, un equipo de investigaci\u00f3n combin\u00f3 estos recursos para generar animaciones que sigan los pasos de una fuente de captura de movimiento, pero siguiendo los movimientos con naturalidad.  <\/p>\n\n\n\n

Bailes en v\u00eddeo generados por computadora<\/h2>\n\n\n\n

En s\u00ed, no es nuevo el intento de realizar animaciones bajo esta premisa. El desaf\u00edo en este punto radica en la verosimilitud que generen los resultados, su nivel de credibilidad visual.<\/p>\n\n\n\n

Abordando una de las principales debilidades de esta \u00e1rea hasta la fecha, un art\u00edculo de investigaci\u00f3n<\/a>, desarrollado por profesionales de Adobe Research y el University College de Londres, propone un nuevo enfoque para aprender la apariencia din\u00e1mica de un actor y sintetizar secuencias de movimiento complejas e invisibles.<\/p>\n\n\n\n

Las prendas de vestir al ser irregulares, distorsionan algunas proporciones de la anatom\u00eda humana y ocultan parte de sus movimientos. Hasta ahora, este era un obst\u00e1culo en el trabajo con estos modelos, pero el sistema de IA recientemente presentado se encarga de analizar la apariencia de la persona presentada en c\u00e1mara, para representar efectivamente los movimientos con los recursos brindados por sus herramientas de aprendizaje autom\u00e1tico.<\/p>\n\n\n\n

Esta herramienta se encarga de mantener resultados visuales de alta calidad, con un nivel alto de verosimilitud. Adem\u00e1s de realizar un ajuste fino sobre ciertos detalles (bordes y recortes en general), el sistema guarda especial cuidado con la apariencia del cuerpo en movimiento, cuidando sus proporciones y la coherencia temporal de los movimientos, a\u00fan frente a la especial velocidad y dinamismo propios del baile.<\/p>\n\n\n\n

\"\"\/<\/figure>\n\n\n\n

Este m\u00e9todo de s\u00edntesis de apariencia basado en video, muestra resultados de alta calidad que \u2014seg\u00fan el equipo de investigaci\u00f3n\u2014 no se han exhibido antes en v\u00eddeos filmados fuera de un estudio, en plena naturaleza. <\/p>\n\n\n\n

A nivel t\u00e9cnico, los autores de esta investigaci\u00f3n se\u00f1alaron: \u201cAdoptamos una arquitectura basada en StyleGAN para la tarea de reorientaci\u00f3n de movimiento basada en video espec\u00edfica de la persona. Presentamos una nueva firma de movimiento que se utiliza para modular los pesos del generador para capturar los cambios din\u00e1micos de apariencia, as\u00ed como para regularizar las estimaciones de pose basadas en un solo fotograma para mejorar la coherencia temporal. Evaluamos nuestro m\u00e9todo en un conjunto de videos desafiantes y mostramos que nuestro enfoque logra un rendimiento de vanguardia tanto cualitativa como cuantitativamente\u201d<\/em>.<\/p>\n\n\n\n

Anteriormente, conocimos un esfuerzo de Google relacionado con el baile y la IA, a trav\u00e9s de su proyecto AI Core\u00f3grafo, capaz de generar coreograf\u00edas en base a est\u00edmulos musicales y un previo entrenamiento con pasos de baile.<\/p>\n\n\n\n

En el caso de este nuevo desarrollo presentado por la gente de Adobe y la UCL, la propuesta es m\u00e1s cercana a la de los deepfakes, con un enfoque que resulta mucho m\u00e1s positivo y amigable con el trabajo audiovisual, frente a otras posibilidades m\u00e1s complejas conocidas previamente.<\/p>\n\n\n\n