Jak działa ożywianie zdjęć: co musi policzyć superkomputer, zanim zdjęcie się poruszy

Kiedy wgrywasz stare czarno-białe zdjęcie pradziadka, a po niecałej minucie on lekko się do ciebie uśmiecha, wygląda to jak magia albo prosty filtr z aplikacji w telefonie.

W rzeczywistości w ciągu tych mniej więcej 45 sekund dzieje się ogromna ilość pracy, która jeszcze kilka lat temu w ogóle nie byłaby możliwa. Jak dokładnie przebiega takie ożywienie i dlaczego stoi za nim tyle skomplikowanych obliczeń?

Dlaczego to nie jest tylko „rozciągnięty obrazek”

Dawniej do animacji używano tak zwanego morphingu. Komputer brał piksele oryginalnego zdjęcia i mechanicznie rozciągał je jak gumę. Efekt był płaski, nienaturalny, a ludzie wyglądali jak woskowe figury.

Nowoczesne sieci neuronowe podchodzą do tego zupełnie inaczej. Nie traktują obrazu jak płaskiego zbioru kolorowych punktów, tylko próbują zrozumieć go w przestrzeni:

• Gdzie dokładnie jest głębia sceny i skąd na twarz pada światło?
• Jak wygląda twarz z lekkiego półprofilu, choć na zdjęciu jest sfotografowana prosto z przodu?
• Co kryje się za kołnierzykiem koszuli i jak marszczy się materiał płaszcza, gdy postać lekko nabiera powietrza?

Model musi więc wyobrazić sobie całą scenę w przestrzeni, choć ma do dyspozycji tylko jedno płaskie zdjęcie.

Krok 1: Oczyszczenie i „odczytanie” zdjęcia

Stare fotografie mają swój urok, ale dla algorytmów są twardym orzechem do zgryzienia. Często trafiają do nas sfotografowane telefonem z rodzinnego albumu, lekko krzywo, z pożółkłym brzegiem, odblaskiem lampy albo rysą przez twarz.

Zanim cokolwiek zacznie się ruszać, systemy automatyczne muszą starannie przygotować zdjęcie:

1. 1Oddzielić zdjęcie od otoczenia: Algorytm musi dokładnie rozpoznać, gdzie kończy się prawdziwa papierowa fotografia, a gdzie zaczyna się blat stołu czy skaner, żeby nie poruszyła się ramka na ścianie ani wzór obrusu.
2. 2Zakotwiczyć rysy twarzy: System wyznacza dziesiątki punktów orientacyjnych na twarzy. Musi dokładnie zapamiętać, że pan na zdjęciu ma cienki wąsik, delikatne zmarszczki wokół oczu albo charakterystyczny kształt nosa, żeby generator w trakcie ruchu nie zrobił z niego kogoś obcego.

Im lepiej zdjęcie jest sfotografowane, tym łatwiej ten krok się udaje. Jeśli wybierasz, co ożywić, pomoże artykuł jakie zdjęcie nadaje się do ożywienia.

Krok 2: Wydajne układy liczą dziesiątki pełnych obrazów

Gdy scena jest gotowa, przychodzi czas na najtrudniejszą część: samo generowanie ruchu.

Nie odbywa się to na zwykłym domowym komputerze ani na telefonie. Zlecenie trafia do wyspecjalizowanego centrum danych, gdzie pracują niezwykle wydajne układy obliczeniowe. Jeden taki układ kosztuje mniej więcej tyle, co nowy samochód, a jego jedynym zadaniem jest wykonywanie ogromnej liczby obliczeń w każdej sekundzie.

Model nie generuje bowiem „wideo jako całości”. Oblicza dziesiątki osobnych, dopracowanych w szczegółach klatek, jedna po drugiej. Dla każdej z nich musi od nowa policzyć:

• jak przesunęły się cienie pod brodą,
• jak zachowały się odblaski w oczach,
• jak płynnie łączą się milimetry ruchu ramion, głowy i powiek.

Gdyby model pomylił się choć trochę w jednej klatce, oko widza od razu odebrałoby to jako szarpnięcie albo nienaturalne zniekształcenie.

Krok 3: Największe wyzwanie – ludzkie ciepło zamiast robota

Najtrudniejsze w całym procesie nie jest sam ruch, tylko jego naturalność i delikatność.

Podstawowe generatory mają skłonność do przesady. Ludzie zaczynają gwałtownie kręcić głową, mrugają w regularnych odstępach jak maszyny albo wszyscy na zdjęciu grupowym ruszają się dokładnie w tej samej sekundzie.

Żeby efekt był ciepły i godny, wskazówki muszą prowadzić model do swobodnych mikroruchów:

• lekki oddech,
• ledwie widoczny uśmiech, który zaczyna się w kącikach oczu,
• naturalna asymetria, gdy każda osoba na zdjęciu reaguje we własnym momencie.

Dlaczego jednorazowa płatność?

Wiele zagranicznych aplikacji w telefonach działa w modelu subskrypcji. Kuszą wypróbowaniem „za darmo”, ale warunkiem jest podanie karty płatniczej i aktywacja tygodniowej lub miesięcznej opłaty (często 25 do 70 zł miesięcznie), która pobiera się automatycznie dalej, nawet gdy dawno już z aplikacji nie korzystasz.

Nasze podejście opiera się na uczciwości:

• Bez rejestracji i instalowania aplikacji: Nie musisz zakładać konta ani nigdzie zostawiać swoich danych.
• Bez ukrytej subskrypcji: Nigdy nie pobierzemy od ciebie żadnej cyklicznej płatności.
• Jednorazowa cena 7,99 zł: Płacisz tylko za konkretny czas obliczeń w chwili, gdy chcesz ożywić wybrane rodzinne wspomnienie.

Efektem jest kilka sekund czystych emocji. Chwila, gdy pradziadek albo młoda mama znów patrzą na ciebie tak, jak ich pamiętasz.

Najczęściej zadawane pytania