近日，《Science》雜志公布了一項新的機器學(xué)習(xí)算法，該算法可根據(jù)文本或者碎片式的信息來重建完整的視頻，如根據(jù)證人描述重現(xiàn)事故現(xiàn)場。

　　據(jù)了解，該算法是一種小型神經(jīng)網(wǎng)絡(luò)，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(nèi)容產(chǎn)生一個短視頻。此外，在訓(xùn)練過程中，第二部分的網(wǎng)絡(luò)會對新增加的視頻內(nèi)容進行反復(fù)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(xùn)練，包括在草地上打高爾夫、在海上玩風(fēng)箏沖浪等，算法生成的圖像還比較粗糙，呈現(xiàn)VHS錄像的顆粒感畫面�，F(xiàn)在，可達到高準確率的視頻約為32幀，持續(xù)時間為1秒，大小為64×64像素。研究人員之一，杜克大學(xué)的計算機科學(xué)家Yitong Li解釋道，“更高的分辨率會降低其準確度。”

　　雖然當(dāng)前算法生成的視頻尚十分粗糙，但是這項研究實現(xiàn)了文本直接轉(zhuǎn)視頻技術(shù)上的質(zhì)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(xiàn)在取得的成就和突破，我感到非常高興。”馬里蘭大學(xué)計算機科學(xué)家Hamed Pirsiavash評價道。

　　比利時魯汶大學(xué)計算機科學(xué)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(zhuǎn)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。”