fycat将AI应用于个性化动画GIF的挑战

上图：泰勒·斯威夫特（Taylor Swift）在Gfycat上。图片来源：Gfycat

人工智能有没有被放到一个更愚蠢的人类努力？Gfycat表示，它正在推出Gfycat AI来应用机器学习，以改善动画GIF（与图形交换格式的互联网模因相关联的愚蠢的移动图像，或GIF），具有更好的人脸识别和视频游戏角色识别等功能。

Gfycat AI有三个不同的机器学习项目：Maru，Felix和Angora。它们都是以猫的名字命名的，这是互联网的痴迷。

Maru项目使用面部识别技术来识别GIF中的人。到目前为止，Project Maru已经在Gfycat的GIF数据库中识别并标记了超过3000个名人面孔，超过120万个GIF标记。Gfycat使用标准LFW（“野外标记的脸部”）人脸数据集的精度为99.38％的开源模型。

上图：Project Angora GIF

图片来源：Gfycat

上图：安哥拉项目

图片来源：Gfycat

由于游戏GIF在Gfycat上很受欢迎，所以Maru也能够侦测到真实感的视频游戏角色，比如来自Overwatch的角色。Maru还可以识别GIF何时显示来自特定视频游戏的镜头。例如，它能够准确地识别和标记视频游戏的GIF，例如The Last of Us。

Maru背后的技术具有超越标签和搜索结果的应用。例如，脸部识别结果的分析可以用来确定哪些名人和公众人物趋势。

Gfycat对平台上最受欢迎的守望先锋角色进行了分析，并能够深入了解守望先锋粉丝的观看习惯。具体来说，Gfycat AI的结果显示，守望先锋粉丝喜欢的角色不同于他们喜欢的角色。前五名扮演的角色是男性和女性的混合，而顶级GIF字符主要是女性。

第一名顶级GIFfed角色D.Va甚至没有达到前五名最多的角色。显然，用户在观看游戏时比玩游戏时有不同的优先级。

上图：安哥拉项目

图片来源：Gfycat

Felix项目从GIF中提取标题以改善标记和搜索。上传到Gfycat的许多GIF最初是在不同的软件应用程序中创建的，在这种情况下，标题不会被输入到Gfycat数据库中。使用从费利克斯收集的数据，Gfycat能够更好地理解在给定时间共享的情绪和模因。未来，Gfycat还将能够更好地了解游戏相关GIF的分数数据和成就。

Gfycat首席执行官Richard Rabbat在一份声明中表示：“我们对这些创新的AI项目所带来的可能性感到非常兴奋。“通过Gfycat AI收集的数据，我们可以更深入地了解用户行为，改善搜索结果，并提高互联网上GIF的质量。”

项目安哥拉使用机器学习自动搜索低质量的GIF网络，并以更高的帧率在HD中重新创建它们。Gfycat能够提供高达8K质量的GIF。但大多数GIF是低质量的，只支持256色。当用户从其他来源找到或创建GIF并将其上传到Gfycat时，通常这些GIF的质量比平台低很多。

Project Angora使用计算机视觉算法为低质量GIF定位高质量视频源。一旦发现，Gfycat的HD GIF支持就会产生更高质量的版本。安哥拉项目每天在Gfycat上传大约15,000个GIF，并且至今在该平台上创建了200万个高质量的GIF。

Alsop Louie Partners和Gfycat董事会的合伙人Ernestine Fu表示：“作为两家知名游戏公司Twitch和Niantic的投资人，Alsop Louie对于Gfycat的人工智能计划正在形成我们对游戏粉丝如何与他们喜爱的游戏进行互动的理解感到兴奋。导向器。“到目前为止，我们看到的结果只是开始。”

文章编辑：人工智能技术社区