Meta lance de nouveaux outils de filigrane Metaverse et AI

L'équipe FAIR (Fundamental AI Research) de Meta a publié sur de nouveaux modèles pour les tâches de contrôle du corps entier pour Metaverse et le filigrane des contenus générés par l'IA pour les tâches de contrôle du corps entier pour le Metaverse et le filigrane du contenu généré par l'IA.

Le premier modèle, Motivo, a été entraîné sur un "algorithme qui exploite un ensemble de données de mouvements non étiquetés", afin d'effectuer toute une série de tâches de contrôle du corps, "y compris le suivi des mouvements, l'atteinte d'une position cible et l'optimisation de la récompense, sans entraînement ni planification supplémentaires"

Meta affirme que le modèle "atteint des performances compétitives" par rapport à d'autres méthodes spécifiques à une tâche et qu'il peut présenter une gamme de mouvements et de comportements "semblables à ceux de l'homme". À l'avenir, l'entreprise pense que cette recherche permettra de créer des "agents entièrement incarnés dans le Metaverse" et conduira à des personnages interactifs plus réalistes et à la "démocratisation de l'animation des personnages"

Video Seal est un "cadre complet pour le tatouage vidéo neuronal" Il permet d'ajouter un filigrane et un message caché facultatif aux vidéos. Ceux-ci sont "imperceptibles à l'œil nu" et peuvent être utilisés pour retracer l'origine d'une vidéo et déterminer si elle a été générée par l'IA.

Meta affirme que ces filigranes ont "prouvé leur résistance aux efforts d'édition vidéo courants tels que le floutage ou le recadrage, ainsi qu'aux algorithmes de compression couramment utilisés lors du partage de contenu en ligne"

La société a également publié le code de Flow Matching, un modèle multimodal qui peut générer une gamme de résultats allant des images aux vidéos, en passant par l'audio et les structures 3D telles que les protéines. Elle a également annoncé un cadre de génération de données appelé Theory-of-Mind et de nouveaux outils d'évaluation des modèles de génération d'images pour la modélisation de la diversité.