Българският Институт за компютърни науки, изкуствен интелект и технологии (INSAIT) и Netflix обявиха, че са разработили нов AI модел – VOID, който може да премахва обекти от видео и едновременно с това да пресъздава реалистично как се променя сцената.

"За разлика от стандартните инструменти, които просто "запълват" изтритите части, VOID разбира как обектите си взаимодействат. Това е първият AI модел в света, който максимално реалистично премахва обекти от видео", коментира INSAIT.

Mоделът на INSAIT и Netflix не просто "заличава" даден обект от видео сцената, а възстановява как би изглеждала сцената, ако този обект никога не е съществувал.

Например, ако премахнем човек, който държи китара, моделът ще покаже как китарата пада, вместо да остане "замръзнала" във въздуха. Това са възможности, които променят драстично възможностите за работа с видео.

"Това е още една стъпка към AI системи, които не просто редактират видео, а разбират как работи светът и огромен напредък за световната филмова индустрия в ерата на AI", коментира INSAIT.

Технологията стъпва върху CogVideoX и използва специален подход с т.нар. quadmask, който позволява да се разграничат обектите, зоните на взаимодействие и фонът. Това помага на системата да запази логиката и динамиката на кадъра, без видими артефакти.

Понеже няма реални тренировъчни данни, екипите на Netflix и INSAIT използват симулирани сцени, генерирани чрез Blender. Така моделът се учи какво се случва в реалния свят, когато даден обект изчезне.

Моделът е с отворен код, което дава възможност на разработчици и изследователи от цял свят да работят и надграждат технологията.

В последните три години българският институт INSAIT започна да се утвърждава сред водещите световни организации в сферата на информационните технологии.