La sonrisa enigmática y pintada de la "Mona Lisa" es conocida en todo el mundo, pero esa cara famosa recientemente mostró una sorprendente nueva gama de expresiones, cortesía de la inteligencia artificial (IA).
En un video compartido en YouTube el 21 de mayo, tres videoclips muestran ejemplos desconcertantes de la Mona Lisa mientras mueve los labios y gira la cabeza. Fue creada por una red neuronal convolucional, un tipo de IA que procesa la información de la misma manera que un cerebro humano, para analizar y procesar imágenes.
Los investigadores entrenaron el algoritmo para comprender las formas generales de los rasgos faciales y cómo se comportan entre sí, y luego aplicar esa información a las imágenes fijas. El resultado fue una secuencia de video realista de nuevas expresiones faciales de un solo cuadro.
Para los videos de Mona Lisa, la IA "aprendió" el movimiento facial de conjuntos de datos de tres sujetos humanos, produciendo tres animaciones muy diferentes. Si bien cada uno de los tres clips todavía era reconocible como la Mona Lisa, las variaciones en la apariencia y el comportamiento de los modelos de entrenamiento prestaron distintas "personalidades" a los "retratos vivos", Egor Zakharov, ingeniero del Instituto de Ciencia y Tecnología Skolkovo, y Samsung AI Center (ambos ubicados en Moscú), explicados en el video.
Zakharov y sus colegas también generaron animaciones a partir de fotos de íconos culturales del siglo XX como Albert Einstein, Marilyn Monroe y Salvador Dali. Los investigadores describieron sus hallazgos, que no fueron revisados por pares, en un estudio publicado en línea el 20 de mayo en la revista preprint arXiv.
Producir videos originales como estos, conocidos como deepfakes, no es fácil. Las cabezas humanas son geométricamente complejas y altamente dinámicas; Los modelos 3D de cabezas tienen "decenas de millones de parámetros", escribieron los autores del estudio.
Además, el sistema de visión humana es muy bueno para identificar "incluso errores menores" en cabezas humanas modeladas en 3D, según el estudio. Ver algo que parece casi humano, pero no del todo, desencadena una sensación de profunda inquietud conocida como el extraño efecto del valle.
AI ha demostrado previamente que es posible producir falsificaciones profundas convincentes, pero requiere múltiples ángulos del sujeto deseado. Para el nuevo estudio, los ingenieros presentaron a la IA un gran conjunto de datos de videos de referencia que muestran rostros humanos en acción. Los científicos establecieron puntos de referencia faciales que se aplicarían a cualquier cara, para enseñar a la red neuronal cómo se comportan las caras en general.
Luego, entrenaron a la IA para usar las expresiones de referencia para mapear el movimiento de las características de la fuente. Esto permitió que la IA creara una falsificación profunda incluso cuando solo tenía una imagen para trabajar, informaron los investigadores.
Y más imágenes de origen entregaron un resultado aún más detallado en la animación final. Los videos creados a partir de 32 imágenes, en lugar de solo una, lograron un "realismo perfecto" en un estudio de usuarios, escribieron los científicos.
