शोधकर्ताओं ने फिल्म स्क्रिप्ट को एनिमेशन में बदलने के लिए जेएल2पी कंप्यूटर मॉडल विकसित किया

कार्नेगी मेलन विश्वविद्यालय के शोधकर्ताओं ने एक कंप्यूटर मॉडल विकसित किया है जो शारीरिक गतिविधियों का वर्णन करने वाले पाठ को सरल कंप्यूटर-जनित एनिमेशन में अनुवाद करने में सक्षम है। ये नए विकास फिल्मों और अन्य एनिमेशन को सीधे कंप्यूटर मॉडल से स्क्रिप्ट पढ़कर बनाना संभव बना सकते हैं।

वैज्ञानिक प्राकृतिक भाषा और पाठ से शारीरिक मुद्रा उत्पन्न करने वाले कंप्यूटरों को समझने में प्रगति कर रहे हैं। यह नया कंप्यूटर मॉडल उन दोनों के बीच का सेतु हो सकता है।

भाषा प्रौद्योगिकी संस्थान (एलटीआई) में एसोसिएट प्रोफेसर लुईस-फिलिप मोरेन्सी और एलटीआई के पीएचडी छात्र चैतन्य आहुजा ने ज्वाइंट लैंग्वेज-टू-पोज (जेएल2पी) नामक एक न्यूरल आर्किटेक्चर का उपयोग किया है। जेएल2पी मॉडल वाक्यों और शारीरिक गतिविधियों को एक साथ एम्बेड करने में सक्षम है। यह इसे क्रिया, इशारों और गतिविधियों से जुड़ी भाषा सीखने की अनुमति देता है।

“मुझे लगता है कि हम इस शोध के शुरुआती चरण में हैं, लेकिन मॉडलिंग, आर्टिफिशियल इंटेलिजेंस और सिद्धांत के दृष्टिकोण से, यह बहुत रोमांचक है,” मोरेन्सी ने कहा। “वर्तमान में, हम वर्चुअल पात्रों को एनिमेट करने की बात कर रहे हैं। अंततः, भाषा और इशारों के बीच यह संबंध रोबोटों पर लागू किया जा सकता है; हम एक व्यक्तिगत सहायक रोबोट को बता सकते हैं कि हम क्या चाहते हैं और वह समझ जाएगा।”

“हम इसके विपरीत भी जा सकते हैं – भाषा और एनिमेशन के बीच इस संबंध का उपयोग करके एक कंप्यूटर यह बता सकता है कि एक वीडियो में क्या हो रहा है,” उन्होंने जोड़ा।

ज्वाइंट लैंग्वेज-टू-पोज मॉडल को 19 सितंबर को क्यूबेक सिटी, कनाडा में आयोजित होने वाले इंटरनेशनल कॉन्फ्रेंस ऑन 3डी विजन में आहुजा द्वारा प्रस्तुत किया जाएगा।

जेएल2पी मॉडल एक पाठ्यक्रम-आधारित दृष्टिकोण द्वारा बनाया गया था। पहला महत्वपूर्ण चरण मॉडल को छोटे, आसान अनुक्रम सीखना था। यह कुछ ऐसा होगा जैसे “एक व्यक्ति आगे बढ़ता है।” फिर यह लंबे और कठिन अनुक्रमों पर चला गया जैसे “एक व्यक्ति आगे बढ़ता है, फिर मुड़कर आगे बढ़ता है और फिर से आगे बढ़ता है,” या “एक व्यक्ति एक बाधा पर कूदता है जबकि दौड़ रहा है।”

जब मॉडल अनुक्रमों का उपयोग करता है, तो यह क्रिया और गति/त्वरण को वर्णित करने वाले क्रिया शब्दों और क्रिया विशेषणों पर देखता है। फिर यह स्थानों और दिशाओं को वर्णित करने वाले संज्ञा और विशेषणों पर देखता है। आहुजा के अनुसार, मॉडल का अंतिम लक्ष्य जटिल अनुक्रमों को एनिमेट करना है जिसमें एक साथ या क्रम में कई क्रियाएं होती हैं।

वर्तमान में, एनिमेशन स्टिक फिगर तक सीमित हैं, लेकिन वैज्ञानिक मॉडल को और विकसित करने जा रहे हैं। मोरेन्सी के अनुसार, एक जटिलता यह है कि कई चीजें एक ही समय में हो रही हैं। उनमें से कुछ सरल अनुक्रमों में भी हो रही हैं।

“शरीर के अंगों के बीच सामंजस्य बहुत महत्वपूर्ण है,” मोरेन्सी ने कहा। “हर बार जब आप अपने पैरों को हिलाते हैं, तो आप अपने हाथों, टोर्सो और संभवतः अपने सिर को भी हिलाते हैं। शरीर की एनिमेशन को इन विभिन्न घटकों के बीच समन्वय करने की आवश्यकता है, साथ ही साथ जटिल क्रियाएं भी करनी हैं। इस जटिल एनिमेशन वातावरण के भीतर भाषा कथा को लाना चुनौतीपूर्ण और रोमांचक दोनों है। यह भाषण और इशारों की बेहतर समझ की ओर एक मार्ग है।”

यदि ज्वाइंट लैंग्वेज-टू-पोज मॉडल जटिल एनिमेशन और क्रियाओं को भाषा के आधार पर बनाने के बिंदु तक विकसित हो सकता है, तो संभावनाएं विशाल हैं। न केवल इसका उपयोग फिल्म और एनिमेशन जैसे क्षेत्रों में किया जा सकता है, बल्कि यह भाषण और इशारों की समझ में भी नए विकास का मार्ग प्रशस्त करेगा।

कृत्रिम बुद्धिमत्ता की ओर बढ़ते हुए, जेएल2पी मॉडल रोबोटों पर उपयोग किया जा सकता है। उदाहरण के लिए, रोबोटों को नियंत्रित किया जा सकता है और उन्हें बताया जा सकता है कि क्या करना है, और वे भाषा को समझेंगे और इसके अनुसार प्रतिक्रिया देंगे।

इन नए विकासों का कई अलग-अलग क्षेत्रों पर प्रभाव पड़ेगा, और मॉडल जटिल भाषा को समझने में और अधिक सक्षम होता रहेगा।