文字直接轉視頻 科學家用機器學習算法實現這種操作

　　近日，《Science》雜志公布了一項新的機器學習算法，該算法可根據文本或者碎片式的信息來重建完整的視頻，如根據證人描述重現事故現場。

　　據了解，該算法是一種小型神經網絡，即一系列小型計算元素層。其主要的工作分為兩個階段：一是通過文本生成視頻的“主旨”，即一個模糊的背景圖片上加注一些重要的標注;二通過綜合“主旨”和文本內容產生一個短視頻。此外，在訓練過程中，第二部分的網絡會對新增加的視頻內容進行反復的對比，以提升性能。

　　目前，研究人員采用了十種生活場景對其訓練，包括在草地上打高爾夫、在海上玩風箏沖浪等，算法生成的圖像還比較粗糙，呈現VHS錄像的顆粒感畫面。現在，可達到高準確率的視頻約為32幀，持續時間為1秒，大小為64×64像素。研究人員之一，杜克大學的計算機科學家Yitong Li解釋道，“更高的分辨率會降低其準確度。”

　　雖然當前算法生成的視頻尚十分粗糙，但是這項研究實現了文本直接轉視頻技術上的質的飛躍。“這是一個非常難的問題，而他們的方法非常有趣，只要兩個階段。所以，對于他們現在取得的成就和突破，我感到非常高興。”馬里蘭大學計算機科學家Hamed Pirsiavash評價道。

　　比利時魯汶大學計算機科學家Tinne Tuytelaars也對此贊不絕口：“這是我所知道的第一部如此棒的文字轉視頻作品，它不完美，但至少看起來像是真正的視頻。這真的很好。”