韩国团队研发 AI 模型，让明星大咖「模仿」素人【智能快讯】

HyperAI超神经

发布于 2019-12-13 11:30:18

6700

发布于 2019-12-13 11:30:18

文章被收录于专栏：HyperAI超神经HyperAI超神经

AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。

想知道最近的 AI 动态吗？HyperAI 超神经精心整理了 AI 行业的近期资讯，快来一起围观吧！

新奇

韩国团队研发 AI 模型

让明星大咖「模仿」素人

如果你只用网络摄像头和图片或照片就能逼真地、令人信服地操纵历史人物、政治家或 CEO 的面部，那会怎么样呢?

韩国首尔 Hyperconnect 的研究人员，最近开发了一种名为「MarioNETte」（原义：牵线木偶）的工具来实现这一目标，可以让爱因斯坦、奥黛丽·赫本、马云等一众大咖模仿你的面部表情和动作。

这在一定程度上要归功于尖端的机器学习技术。该模型是人脸重现（face reenactment）技术的一种。给出目标人脸和驱动人脸（driver face），人脸重现技术将合成一张「新」的脸，这张脸具备驱动人脸的动作，同时保留目标人脸的身份特征。

研究人员称，即使被操控者的脸和被操控者之间存在「明显」的不匹配，它的表现也要优于所有的基线。

来源：venturebeat.com

利用人工智能生成的食谱制作感恩节大餐？

这位博主帮你「试毒」了

近日，一名 YouTube 游戏评论博主 David King，利用号称「精简版 OpenAI GPT-2」的文本生成工具：Talk to Transformer，所生成的食谱，制作了感恩节大餐，还邀请他的朋友试吃并为食物评分。

人工生成菜单包括：炒豆角，肉质土豆泥，烤火鸡以及南瓜派。点击下方链接查看该播主在「人工智能食谱」指导下的食物制作以及试吃视频。Talk to Transformer 传送门：bit.ly/2OWzY07

也许，下次过节亲朋好友聚餐时，你也可以找 AI 帮忙定制一份食谱。

来源：youtube.com

企业

数据库安全漏洞

导致巨头公司百万条 SMS 消息泄露

据外媒 TechCrunch 报道，美国商用短信服务大户 TrueDialog 最近遭遇了巨大的信息泄露事件。

TrueDialog 管理的一个包含数百万条信息的数据库，由于没有密码，数据也没有经过加密，任何人都可获得数据库的内容。

数据库包含了使用 TrueDialog 系统的客户发送的消息的详细日志，包括电话号码和 SMS 消息内容，并有一些大学财务应用程序的信息，来自企业的带有折扣代码的营销信息以及工作警报等。

这些数据包含了大量敏感的文本消息，查看该数据的人都能访问该人的在线帐户，故此一旦被黑客利用，会产生很大的安全问题。

目前，TrueDialog 的首席执行官 John Wright 没有承认违规行为，对 TechCrunch 的问询也没有做出任何回应。

来源：techcrunch.com

走向电梯智能化，通力将多项技术应用其中

在电梯行业的巨头通力的计划下，未来的电梯将拥有「虚拟窗户」，语音激活控件，音乐流等多彩内容。

通力新的 Kone DX 级电梯，使管理者可以从中央仪表板远程控制，激活和停用特定服务。电梯中包括动态视觉显示，声学和灯光场景，可用于调整氛围和内部空间。显示的内容会随着电梯的升降而变化，灯光可以提示轿厢的运动，以及轿厢离期望楼层的距离。

据悉，亚马逊的 Alexa 是其服务集成合作伙伴，此外，电梯还将用到计算机视觉、多种传感器分析和数据分析技术，以打造体验更好的智慧建筑。

来源：venturebeat.com

学界

杜克大学的学生们正在熟悉人工智能面试

对一些求职者来说，传统的面对面（face-to-face）面试，正变得更像是面对相机（face-to-camera）的面试。

如今，杜克大学的学生已经越来越熟悉通过 HireVue 面试来找工作，HireVue 是一种用人工智能代替传统面试的服务。

据 HireVue 的网站介绍，该公司利用人工智能技术，利用从面试视频中获得的大量数据点，用电脑对求职者进行评估。从每一次面试中收集成千上万的数据点，计算机可以根据答案的内容、语调和肢体语言等因素来评估求职者的就业能力。

来源：dukechronicle.com

MIT 设计模型帮助机器感知物理定律

构建更智能的 AI

麻省理工学院的研究人员设计了一个模型，该模型展示了对一些基本的「直觉物理学」的理解，即物体应该如何运动。该模型可用于帮助构建更智能的人工智能，并反过来提供信息，帮助科学家理解婴儿的认知。

该模型被称为 ADEPT，它可以观察场景中移动的物体，并根据物体的物理特性，预测物体的运动方式。

在跟踪目标时，模型在每个视频帧输出一个与「惊讶」级别相关的信号——信号越大，惊讶等级越高。如果一个物体与模型的预测严重不匹配（比如，在整个场景中消失或传送），其惊讶程度将会达到峰值。模型记录了令人惊讶的水平，该水平与观看同一视频的人类报告的水平相匹配。

来源：http://news.mit.edu

技术

Facebook 发布首个

fastMRI 图像重建挑战赛结果

近日 Facebook AI 在官网发布首个 fastMRI 图像重建挑战赛的结果，旨在推动 AI 研究，改善 MRI 在医学领域的应用。

fastMRI 由 Facebook AI 和 NYU Langone Health 联合创建，通过 AI 加速 MRI 扫描，在原始数据不足的情况下，创建精准图像，从而近十倍地提高扫描速度，改善患者体验。经评选 SSIM 得分最高的分别是：University of Amsterdam-- Patrick Putzky 、Johns Hopkins University--Puyang Wang 以及来自Philips 的Nicola Pezzotti。目前 Facebook AI 与 NYU Langone Health 已考虑开源多个 fastMRI 相关模型。