La nouvelle IA de Samsung est capable de transformer un portrait photo ou dessiné en une vidéo qui donne vie au portrait.

Les chercheurs du centre d’intelligence artificielle de Samsung, basé à Moscou, ont créé une intelligence artificielle capable de transformer n’importe quelle image, photo ou peinture d’un portrait humain en une vidéo dans laquelle le visage de la personne s’anime comme si elle était réellement en train de parler.

Certes, les « deepfakes » (1) existaient déjà auparavant, et sont d’ailleurs dangereusement utilisés à des fins de manipulation.

Cependant, jusqu’à présent, cette technologie reposait sur la modélisation 3D et nécessitait de nombreuses images d’un même visage pour un résultat réaliste.

Le système développé par Samsung ne requiert qu’une seule image pour créer un modèle crédible.

Avec 32 images, le niveau de réalisme maximum peut être atteint.

Pour parvenir à ce résultat, l’IA applique les caractéristiques faciales d’un  « visage source  » sur un  « visage cible ».

Le visage cible reproduit ainsi les expressions du visage source.

La raison pour laquelle l’IA de Samsung ne requiert qu’une image est que le système a accès à une large base de données de vidéos de   « têtes parlantes »  correspondant à différents orateurs d’apparences variées.

Ainsi, l’intelligence artificielle peut créer une large diversité de modèles réalistes.

Dans un second temps, le système utilise un réseau antagoniste génératif (GAN)  (2) pour comparer les différents modèles et déterminer lequel est le plus réaliste. Ainsi, le système peut choisir un modèle final qui sera utilisé pour la séquence vidéo.

Selon Samsung, cette IA pourrait se révéler très utile pour la téléprésence, pour des cas d’usage tels que la vidéoconférence et les jeux vidéo multi-joueurs. Elle peut aussi être exploitée dans l’industrie des effets spéciaux.

Des risques de détournement ?

On peut aussi craindre qu’elle soit détournée par des personnes mal intentionnées à des fins de manipulation. Par exemple, il serait possible de s’en servir pour faire croire qu’une personne a dit quelque chose qu’elle n’a pas dit.

(1)             Deepfake, (mot-valise formé à partir de deep learning  et de fake (« faux ») encore appelé hypertrucage ou permutation intelligente de visages, est une technique de synthèse d'images basée sur l'intelligence artificielle. Elle sert principalement à superposer des images et des vidéos existantes sur d'autres images ou vidéos.

(2)             En intelligence artificielle, les réseaux adverses génératifs (generative adversarial networks ou GANs) sont une classe d'algorithmes d'apprentissage non-supervisé. Ces algorithmes introduits en 2014 permettent de générer des images avec un fort degré de réalisme.

Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur : il génère un échantillon (une image) ; son adversaire, le discriminateur essaie de détecter si un échantillon est réel ou bien s'il est le résultat du générateur.