Разработка цифрового аватара Института гуманитарных наук Алтайского государственного университета

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

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:

1. Сбор данных: собирается набор изображений, которые используются для обучения модели генерации изображений.
2. Предварительная обработка данных: изображения предварительно обрабатываются, чтобы удалить шум и нормализовать их.
3. Обучение модели: модель генерации изображений обучается на наборе данных.
4. 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:

1. Сбор данных: собирается набор изображений парней 20 лет.
2. Предварительная обработка данных: изображения парней предварительно обрабатываются, чтобы удалить шум и нормализовать их.
3. Обучение модели: модель генерации изображений обучается на наборе данных изображений парней.
4. 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

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:

1. 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).
2. Типы рекламного дизайна // Рекламное агенство Торнадо URL: https://tornado-reklama.ru/news/vidy-reklamnogo-dizayna (дата обращения: 05.2024).
3. 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).
4. 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).
5. 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).
6. Смирнова М. А. Формообразование в изобразительном искусстве и дизайне. М.: 2017.252 с.
7. 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).
8. 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).
9. 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.
10. Гудфеллоу, И., Бенджо, Дж., Курвиль, А. Глубокое обучение. Издательство MIT Press, 2016.