Badacze firmy Adobe opracowali nowy generatywny model sztucznej inteligencji o nazwie WideoGigaGAN który może skalować rozmyte filmy nawet do ośmiokrotnie większej rozdzielczości niż oryginalna. Wprowadzony w artykuł opublikowany 18 kwietniaAdobe twierdzi, że VideoGigaGAN jest lepszy od innych metod Video Super Rozdzielczości (VSR), ponieważ może zapewnić bardziej szczegółowe szczegóły bez wprowadzania do materiału filmowego „dziwactwa sztucznej inteligencji”.
Krótko mówiąc, sieci generatywno-adwersarne (GAN) skutecznie skalują nieruchome obrazy do wyższej rozdzielczości, ale nie radzą sobie z tym samym w przypadku wideo bez wprowadzania migotania i innych niepożądanych artefaktów. Można tego uniknąć innymi metodami zwiększania skali, ale wyniki nie są tak ostre i szczegółowe. Celem VideoGigaGAN jest zapewnienie tego, co najlepsze z obu światów — wyższej jakości obrazu/wideo modeli GAN, przy mniejszej liczbie problemów z migotaniem i zniekształceniami w klatkach wyjściowych. Firma zapewniła tutaj kilka przykładów które pokazują jego pracę w pełnej rozdzielczości.
Niektóre drobniejsze szczegóły w klipach demonstracyjnych dostarczonych przez firmę Adobe wydają się całkowicie sztuczne, jak na przykład tekstura skóry i zmarszczki w poniższym przykładzie, ale rezultaty wydają się imponująco naturalne. Trudno byłoby stwierdzić, czy do poprawy rozdzielczości wykorzystano generatywną sztuczną inteligencję, co mogłoby wydłużyć „co to jest zdjęcie” debata obejmująca wideo.
To tylko wersja poglądowa, więc nie ma gwarancji, że Adobe udostępni VideoGigaGAN konsumentom za pośrednictwem oprogramowania Creative Cloud, takiego jak Premiere Pro. Firma już wcześniej zapowiadała oddzielny eksperyment z upsamplingiem opartym na dyfuzji, Ponowne uruchomienie projektupodczas wydarzenia MAX w październiku 2023 r., co w podobny sposób poprawia jakość plików GIF i materiałów wideo o niskiej rozdzielczości. Adobe nie jest osamotniony w tej pracy, podobnie jak jedno i drugie Microsoftu I Nvidia opracowali także własną technologię skalowania VSR.