AI和机器学习工具能够通过视频和音频进行模拟,这对身份和访问管理构成威胁。使用AI渲染的视频现在相当容易被检测到,但合成语音克隆对于使用语音生物识别技术作为身份验证流程一部分的组织来说是一个很大的威胁。
论文地址:https://arxiv.org/abs/2309.14030v3
这一功能的背后是阿里通义实验室自研的视频生成模型Animate Anyone。在Github上,该项目的Star数短短数日就超过1万,被认为是近期大模型领域最受欢迎的大模型算法之一。
引入了感知遮挡的场景参数化,将场景解耦为遮挡、人体和背景三个部分。提出了一种新的渲染框架,分别渲染这三个部分,并设计了新颖的优化目标,以确保遮挡的清晰解耦和更完整的人体呈现。在具有挑战性的遮挡密集野外视频上对方法进行了评估,展示了其在呈现遮挡人体方面的有效性。Wild2Avatar通过与Vid2Avatar(基线)和原始视频的对比,呈现了其在解决被遮挡人物渲染挑战方面的独特性能。
2. 📉 泄露引发社交媒体批评,涉及超过16,000名艺术家,引发版权诉讼。