Статья посвящена концепциям цифровых аватаров и цифровых людей, их применению для профориентационной деятельности университета и процессу создания аватаров с использованием технологий искусственного интеллекта.
Ключевые слова: цифровой аватар, цифровой человек, нейросеть, генерация изображений.
Цифровой аватар — это 3D-модель, которая похожа на реального человека. Как в компьютерной игре, в виртуальном мире действуют копии настоящих людей. Их используют, например, чтобы заменить реальную знаменитость цифровой копией [8].
Цифровой человек — это не копия настоящего человека, а собирательный, придуманный образ. Его создают с нуля с помощью компьютерной графики или нейронной сети. Это персонаж, которого никогда не существовало, но у которого есть своя история, мировоззрение и характер. Цифровые люди в России пока мало известны, но быстро набирают популярность.
Использовать аватары можно практически в любой сфере. Они могут быть консультантами в банках или интернет-магазинах, моделями на виртуальных показах, лекторами образовательных курсов и амбассадорами брендов.
Показательный пример — первая в России цифровая ведущая Елена, которую создали в Лаборатории робототехники Сбербанка. Она озвучивает текст, который написал человек, но ее мимика, артикуляция и голос генерируются нейросетью. Елена может рассказывать новости, презентовать продукты или вести обучающие программы (Рис. 1).
Рис. 1. Аватар Елена
Создание аватара
В качестве практики были разработаны аватары для Института гуманитарных наук. Как метод создания аватара был выбран путь генерации изображений через нейросети.
Генерация изображений — это процесс создания новых изображений с использованием алгоритмов и моделей машинного обучения. Она используется в различных областях, включая искусство, дизайн и научные исследования [9].
Этапы генерации изображений
Процесс генерации изображений обычно включает следующие этапы:
- Сбор данных: собирается набор изображений, которые используются для обучения модели генерации изображений.
- Предварительная обработка данных: изображения предварительно обрабатываются, чтобы удалить шум и нормализовать их.
- Обучение модели: модель генерации изображений обучается на наборе данных.
- Генерация изображений: модель используется для генерации новых изображений [10].
В качестве идеи для генерации был выбран собирательный образ парня, примерно 20 лет. В качестве одежды было выбрано худи и джинсы. Худи предпочтительно розовое и без отличительных черт.
Процесс генерации изображения парня 20 лет.
Для генерации изображения парня 20 лет можно использовать следующую модель:
- Сбор данных: собирается набор изображений парней 20 лет.
- Предварительная обработка данных: изображения парней предварительно обрабатываются, чтобы удалить шум и нормализовать их.
- Обучение модели: модель генерации изображений обучается на наборе данных изображений парней.
- Генерация изображения: модель используется для генерации нового изображения парня 20 лет.
Были сгенерированы разные изображения и выбраны наиболее подходящие (Рис. 2).
Рис. 2. Примеры генерации
Также были примеры генерации в других стилях и не самых удачных генераций (Рис. 3–4).
Рис. 3. Варианты генераций
Рис. 4. Варианты генераций
Разработка макетов
Полученные в процессе генерации изображения были доработаны, а именно перекрашена толстовка в цвет символики ИГН. Были добавлены логотипы и убран фон. (Рис. 5)
Рис. 5. Аватар ИГН
В качестве итогового продукта был разработан дизайн буклета. При создании флаера использовались фирменные цвета ИГН, а там же шрифт. Все материалы были взяты с официального сайта ИГН. Размер буклета — лист А5. Весь дизайн был выполнен в облачном графическом редакторе Figma.
В первом случае пример аватар был размещён слева снизу листа. Для большей реалистичности персонажа был добавлен элемент с облаком диалога. (Рис. 16)
Рис. 6. Первая версия флаера
Во втором случае аватар был размещён справа (Рис. 17). Оба аватара это для разного персонажа с похожей внешностью.
Рис. 7. Вторая версия флаера
Вывод: в результате практики были получены несколько версий аватара. Данные аватары всего лишь 2D Рисунки, но при дальнейшей разработке проекта они могут быть превращены в 3D модели и стать полноценными цифровыми помощниками. В нынешней момент данные 2D аватары могут стать рекламными лицами ИГН и заменить привычных студентов. Это поможет укрепить узнаваемость вуза и оптимизировать затраты ресурсов на создание рекламного контента
Использование подобных моделей позволяет создавать любой образ, а значит и подстраиваться под тенденции моду, так как именно вузы сталкиваются с большим потоком молодого поколения.
Литература:
- Ратайко Ю. Н., Марчик М. Л. Дизайн рекламы // Форум молодых ученых. 2017. № 5 (9). URL: https://cyberleninka.ru/article/n/dizayn-reklamy (дата обращения: 14.05.2024).
- Типы рекламного дизайна // Рекламное агенство Торнадо URL: https://tornado-reklama.ru/news/vidy-reklamnogo-dizayna (дата обращения: 05.2024).
- Роль цифрового дизайна в современной рекламе и маркетинге // Калининградский бизнес-колледж URL: https://student39.ru/blog/obrazovanie/rol-tsifrovogo-dizayna-v-sovremennoy-reklame-i-marketinge/ (дата обращения: 05.2024).
- Иксанов Алмаз Рифович, Рафиков Руслан Илдарович Особенности графического дизайна в сфере рекламы // Скиф. 2023. № 5 (81). URL: https://cyberleninka.ru/article/n/osobennosti-graficheskogo-dizayna-v-sfere-reklamy (дата обращения: 14.05.2024).
- Дуденко Н. А., Чижова Е. А. Фирменный дизайн и технологии его создания в современном мире // Актуальные проблемы авиации и космонавтики. 2021. № . URL: https://cyberleninka.ru/article/n/firmennyy-dizayn-i-tehnologii-ego-sozdaniya-v-sovremennom-mire (дата обращения: 14.05.2024).
- Смирнова М. А. Формообразование в изобразительном искусстве и дизайне. М.: 2017.252 с.
- Lamoda Group обновила логотип и начала масштабный ребрендинг // Sostav.ru URL: https://www.sostav.ru/publication/lamoda-group-obnovila-logotip-i-nachala-masshtabnyj-rebrending-36328.html (дата обращения: 05.2024).
- Кто такие цифровые люди и аватары, и для чего их создают // Ростелеком URL: https://blog.rt.ru/b2c/kto-takie-cifrovye-lyudi-i-avatary-i-dlya-chego-ikh-sozdayut.htm (дата обращения: 05.2024).
- Гудфеллоу, И., Пуатре, Ж., Салехи, Р., Адель, Х., Мирза, М., Ниу, Д., Иджик, С., Пул, Дж., Карпатий, А. Генерация изображений с использованием генеративно-состязательных сетей. arXiv preprint arXiv:1406.2661, 2014.
- Гудфеллоу, И., Бенджо, Дж., Курвиль, А. Глубокое обучение. Издательство MIT Press, 2016.
