Search

a3__3.3.7. [entry] title: 3D 기술 또는 인공지능 기술을 이용해 Tension 을 얻는 방법들을 나열한 엔트리

생성
🚀 prev note
🚀 next note
♻️ next note
14 more properties
이 엔트리에 정리하고자 하는 것은 NCTR 프레임워크에서 제시하는 ‘Tension’또는 ‘Retention’을 강화하는 일과 관련이 있을 것이라고 생각했다.
이것을 모아 아카이빙함은 다음 칸반 내용을 수행하며 나온 자료를 잘 정리하기 위함이다.
어떤 SaaS가 존재하는지 알고 이들을 적재적소에 사용할 수 있어야 한다.
딥페이크
github.com
위 동영상들은 모두 피노키오 - face fusion 을 사용함
facefusion
facefusion
facefusion
@12/7/2023 현재 알려진 딥페이크 관련 SaaS의 백엔드는 facefusion인 경우들이 많다. facefusion은 꾸준히 업데이트되고 있다.
이미지의 경우 2-step, 비디오의 경우 3-step으로 구성된다. 이미지는 face swapping → face enhancing, 비디오는 face-swapping → face-enhancing → frame refinement 으로 진행된다. face-swapping 과 face-refinement 에 비해, frame refinement 작업이 매우 무거운 편이다. 모든 스텝을 활성화하여 10초정도의 영상을 생성하기 위해 10시간 이상 소요되었다.
source의 얼굴이 target에 부착되는 방식이다.
요소
source
target
해상도
중요함
중요함
머리가 얼굴을 가리지 않음
중요함
정면 혹은 정면에 가까운 사진
중요함
source-target 조명 유사도
딥페이크가 잘 드러나지 않을만한 조명
중요함
3D
동일한 3D 오브젝트를 두고, 스타일 트랜스퍼를 이용해 다양한 스타일로 바꿔 얻은 이미지 나열