ویدئوهای تولیدشده با هوش مصنوعی هر روز واقعگرایانهتر میشوند، اما هنوز یک ضعف مهم در بسیاری از آنها دیده میشود: وقتی شخصیت سرش را میچرخاند، چهره ممکن است تغییر شکل دهد یا حتی شبیه فرد دیگری شود. این اتفاق تصادفی نیست و به یکی از دشوارترین مسائل در تولید ویدئوی هوش مصنوعی، یعنی حفظ هویت چهره در حرکت و زاویههای مختلف، ارتباط دارد.
دلیل اصلی این مشکل آن است که بسیاری از مدلها برای ساخت ویدئو از یک تصویر مرجع، اطلاعات محدودی درباره ساختار سهبعدی صورت در اختیار دارند. یک عکس روبهرو نمیتواند تمام جزئیات نیمرخ، پشت سر، عمق بینی، فرم گوشها و نحوه قرارگیری اجزای صورت را نشان دهد. بنابراین وقتی فرد سرش را میچرخاند، مدل باید بخشهایی از چهره را که قبلاً ندیده است تخمین بزند؛ همین بازسازی گاهی به تغییر غیرطبیعی اجزای صورت منجر میشود.
مشکل دوم به تفاوت میان فریمهای متوالی مربوط است. ویدئو مجموعهای از تصاویر پیدرپی است و مدل باید در تمام آنها شکل صورت، فاصله چشمها، فرم لبها و ویژگیهای هویتی فرد را ثابت نگه دارد. اگر اطلاعات حرکتی یا نقاط کلیدی صورت در دو فریم بهدرستی با یکدیگر هماهنگ نشوند، نتیجه میتواند به شکل لرزش تصویر، جابهجایی چشمها، تغییر فرم فک یا محوشدن جزئیات چهره دیده شود.
پژوهشهای دانشگاهی نیز این محدودیت را تأیید میکنند. یک مقاله منتشرشده در کنفرانس CVPR 2025 با همکاری پژوهشگران انویدیا، روشی برای بازسازی ویدئوی پرتره سهبعدی معرفی کرده است که هدف آن حفظ هویت فرد در زاویههای مختلف سر است. پژوهشگران توضیح میدهند که بازسازی مستقل هر فریم میتواند باعث ناپایداری زمانی و تغییر هویت شود؛ درحالیکه ترکیب اطلاعات سهبعدی مرجع با جزئیات ظاهری فریمهای مختلف به تولید ویدئویی منسجمتر کمک میکند.
در پژوهشی دیگر که در ژانویه ۲۰۲۶ در نشریه Scientific Reports منتشر شد، محققان برای بهبود انیمیشن چهره از یک معماری مبتنی بر ترنسفورمر استفاده کردند. این روش حرکت کلی سر را از تغییرات موضعی حالت صورت جدا میکند تا هماهنگی بهتری میان چرخش سر، حالت چهره و حرکت لبها ایجاد شود. چنین رویکردهایی نشان میدهند که برای طبیعیترشدن ویدئوهای هوش مصنوعی، صرفاً افزایش وضوح تصویر کافی نیست و مدل باید حرکت و ساختار صورت را نیز بهتر درک کند.
در نهایت، چرخش سر یکی از آزمونهای جدی برای سنجش کیفیت مدلهای تولید ویدئو محسوب میشود. استفاده از چند تصویر مرجع از زاویههای مختلف، بازسازی سهبعدی صورت و حفظ پیوستگی اطلاعات میان فریمها از جمله راهکارهایی هستند که پژوهشگران برای کاهش این خطاها دنبال میکنند. بااینحال، هیچیک از این روشها هنوز تضمین نمیکند که تمام مدلهای هوش مصنوعی در هر زاویه و شرایط نوری، چهرهای کاملاً ثابت و طبیعی تولید کنند.
۱. چرا چهره در ویدئوهای هوش مصنوعی هنگام چرخش سر تغییر میکند؟
زیرا مدل باید بخشهایی از صورت را که در تصویر مرجع دیده نمیشوند بازسازی کند و همزمان هویت فرد را در فریمهای متوالی حفظ کند.
۲. چرا چشمها و دهان در ویدئوهای هوش مصنوعی جابهجا میشوند؟
ناهماهنگی در تشخیص نقاط کلیدی صورت، تخمین حرکت و بازسازی فریمها میتواند باعث جابهجایی یا تغییر شکل اجزای چهره شود.
۳. آیا مدلهای جدید هوش مصنوعی این مشکل را حل کردهاند؟
برخی روشهای جدید با استفاده از بازسازی سهبعدی، اطلاعات چندزاویهای و مدلسازی زمانی، این خطاها را کاهش میدهند؛ اما مشکل بهطور کامل برطرف نشده است.
۴. آیا دادن چند عکس از زوایای مختلف به هوش مصنوعی کمک میکند؟
بله. تصاویر مرجع از زاویههای مختلف اطلاعات بیشتری درباره ساختار صورت فراهم میکنند و میتوانند به حفظ هویت فرد در هنگام چرخش کمک کنند.
۵. آیا افزایش کیفیت و وضوح ویدئو، مشکل تغییر چهره را برطرف میکند؟
خیر. وضوح بیشتر میتواند جزئیات تصویر را بهتر نشان دهد، اما مشکل هندسه سهبعدی و ناپایداری هویت را بهتنهایی حل نمیکند.