Yep, AI is definitely gonna kill us all
Гласит самый залайканный комментарий под видео:
Это правда, очень естественно и удивительно.
Но мне вдруг стало интересно. Рендер человеческих лиц, особенно так близко, всегда был проблемой в 3D. Ну то есть, почти всегда видно что это 3D. Но в этих видео, оно очень естественно.
И типа… AI склеивает как бы коллажи из всей базы что у него есть? Как то рендерит сам, настраивая шейдеры? Или, как чёрт-возьми он делает такие естественные лица?
Я не далёк от понимания 3D, но даже я не сразу понял что это типа фанфика. Перед Конаном сидит как будто нуль-дева(хотя по лору им нельзя разговаривать), или сестра-битвы, и от того диалог именно такой.
И только потом я полез в комментарии и стало понятно что это AI.
Или все эти технологии глубоко запрятаны под грифом "совершенно секретно"?
Я вдруг осознал, что ведь кто то написал эту логику. Кто то её создал. Описал алгоритмы. Кто то, чёрт-возьми это всё понимает.
Нейронка работает вообще не так, она не делала 3D модель, она не настраивала свет, она не делала шейдер и не настраивала материал. На видео работа диффузионной нейросети. На самом деле она обучена на "ощущения" хорошей картинки. У неё феноменальная насмотренность, сотни миллионов или миллиарды изображений или роликов, она знает как всё что угодно должно выглядеть. Дальше она берёт холст случайного шума (да прямо рандомного шума) и смотрит, похоже ли это на то, что заказали и что можно подправить чтобы стало похоже, правит, и повторяет этот процесс десятки раз. Для видео она осуществляет диффузию ещё и сквозь кадры, что увеличивает стоимость. Кстати ровно из за ограничений технологии диффьюзии за один раз можно сгенерировать только короткую сцену с примерно статичной или слабо двигающейся камерой. Не получится сделать сильное изменение сцены или резкое движение камеры, особенно неравномерное. Поэтому в ролике на 26 секунд мы видим 6 разных кусков. Сегодня (октябрь 2026) диффузионная сетка не сможет создать неразрывный наезд камерой и переход от общего плана к крупному.