Per noi il tempo scorre. Per una macchina che guarda un video, il tempo può diventare una forma. E la parte interessante non è quella che sta girando in rete.
Un cervo attraversa un prato: una sola telecamera, e la corsa diventa una scia nello spazio.
Cosa si vede nel video
Un cervo attraversa un prato. Una sola telecamera, un normale filmato 2D. Il sistema lo scompone in migliaia di piccole macchie colorate nello spazio, le gaussiane, e assegna a ciascuna il punto e l’istante in cui esisteva.
Poi le mostra tutte insieme: il cervo non corre più, diventa una scia continua che attraversa la scena.
La lettura suggestiva e quella terrena
In rete questa immagine gira con una lettura suggestiva: sarebbe così che ci vedrebbe un essere capace di guardare attraverso il tempo. Affascinante, ma la parte interessante è più terrena.
Cosa deve fare il modello, da una sola ripresa
- Separare il movimento della telecamera da quello del soggetto
- Stimare la profondità di ogni punto
- Ricordare cosa esiste anche quando esce dall’inquadratura
È lo stesso problema su cui lavora Google DeepMind con D4RT: seguire ogni pixel nelle tre dimensioni dello spazio e nella quarta, il tempo.
Quello che noi facciamo senza accorgercene
Vediamo cosa c’è, ricordiamo dov’era un attimo fa, prevediamo dove sarà. La differenza è che noi teniamo solo il presente e lasciamo andare il resto. La macchina tiene tutto.
Le domande aperte
Sono demo su clip selezionate. Non sappiamo quanto calcolo richiedano né quanto reggano su un video qualsiasi girato col telefono.
Ma il salto concettuale c’è: il video smette di essere una sequenza di fotogrammi e diventa una memoria dello spazio.
In sintesi. Se ogni vecchio video potesse diventare un luogo da riattraversare, quale sceglieresti per primo?
Capire cosa sa fare davvero un modello, e cosa è ancora una demo, è il primo esercizio della nostra guida al percorso Lab AI.
Questo articolo nasce da un post pubblicato su LinkedIn.
