ABOUT THE SPEAKER

Supasorn Suwajanakorn - Computer scientist
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos.

Why you should listen

Can we create a digital avatar that looks, acts and talks just like our sweet grandma? This question has inspired Supasorn Suwajanakorn, a recent PhD graduate from the University of Washington, to spend years developing new tools to make it a reality. He has developed a set of algorithms that can build a moving 3D face model of anyone from just photos, which was awarded the Innovation of the Year in 2016. He then introduced the first system that can replicate a person's speech and produce a realistic CG-animation by only analyzing their existing video footage -- all without ever bringing in the person to a Hollywood capture studio.

Suwajanakorn is working in the field of machine learning and computer vision. His goal is to bring vision algorithms out of the lab and make them work in the wild.

More profile about the speaker
Supasorn Suwajanakorn | Speaker | TED.com

TED2018

Supasorn Suwajanakorn: Fake videos of real people -- and how to spot them

Supasorn Suwajanakorn: လူအစစ်တွေရဲ့ ဗီဒီယိုအတုများနှင့် ၎င်းတို့ကို ရိပ်စားမိနိုင်ပုံ။

Filmed: 2018-04-10

Readability: 4.6

1,453,308 views

သူတို့ရဲ့ဘဝမှာ တစ်ခါမှမပြောခဲ့ဖူးတဲ့ အရာတွေကို နာမည်ကျော်ပုဂ္ဂိုလ်တွေပြောကြတဲ့ ဗီဒီယိုအတုတွေကို ဖေါ်ထုတ်ရာမှာ သင်တော်တယ်လို့ထင်ပါသလား။ ဒီအံ့သြဖွယ် ဟောပြောချက်နဲ့ နည်းပညာ သရုပ်ပြကွက်မှာ ၎င်းတို့ကို ဖန်တီးထားပုံကို ကြည့်ရှုလိုက်ပါ။ ကျွန်ပြူတာ သိပ္ပံပညာရှင် Supasorn Suwajanakorn ကနေပြီး ဘွဲရကျောင်းသားတစ်ဦးအဖြစ် ဓာတ်ပုံတွေကနေထုတ်ယူသုံးစွဲထားတဲ့ အသံနဲ့အချိန်ကိုက်လုပ်ထားတဲ့ လူတွေရဲ့ ဗီဒီယိုအတုတွေ ဖန်တီးဖို့ သူအသုံးပြုခဲ့တဲ့ AI နဲ့ 3D ပုံစံငယ်ပြုလုပ်နည်းအတတ်က ဘယ်လိုဆိုတာကို ပြသထားပါတယ်။ ကျင့်ဝတ်ဆိုင်ရာ ဂယက်ရိုက်မှုတွေနဲ့ ဒီနည်းပညာရဲ့ ဖန်းတီးနိုင်တဲ့ ဖြစ်နိုင်ခြေတွေ နှစ်ခုစလုံးနှင့် ၎င်းရဲ့ အလွဲသုံစားလုပ်မှုကို ဆန့်ကျင်တဲ့ တိုက်ပွဲဆင်ဖို့ ခြေလှမ်းတွေကို ပိုမိုလေ့လာလိုက်ပါဦး။

Supasorn Suwajanakorn - Computer scientist
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos. Full bio

Double-click the English transcript below to play the video.

00:12

Look at these images.

0

876

1151

ဒီရုပ်ပုံတွေကို ကြည့်ပါ။

00:14

Now, tell me which Obama here is real.

1

2051

2635

အခု ဘယ် Obama က အစစ်ဆိုတာ
ကျွန်တော့ကို ပြောပြပါ။

00:16

(Video) Barack Obama: To help families
refinance their homes,

2

4710

2861

(ဗီဒီယို) Barack Obama: မိသားစုတွေ
အိမ်တွေကို ငွေကြေးမတည်ဖို့

00:19

to invest in things
like high-tech manufacturing,

3

7595

2647

နည်းပညာမြင့် ထုတ်လုပ်မှုတွေ၊
သန့်ရှင်းတဲ့ စွမ်းအင်နဲ့

00:22

clean energy

4

10266

1159

အလုပ်သစ်တွေဖန်တီးပေးတဲ့

00:23

and the infrastructure
that creates good new jobs.

5

11449

2779

အခြေခံအဆောက်အအုံလို အရာတွေ
ရင်းနှီးမြှုပ်နှံရာမှာ ကူညီဖို့

00:26

Supasorn Suwajanakorn: Anyone?

6

14647

1484

Supasorn Suwajanakorn: သိကြလား၊

00:28

The answer is none of them.

7

16155

1874

အဖြေက တစ်ယောက်မှ မဟုတ်ပါဘူး။

00:30

(Laughter)

8

18053

1114

(ရယ်သံများ)

00:31

None of these is actually real.

9

19191

1786

ဒါတွေတစ်ခုမှ တကယ့်အစစ်မဟုတ်ပါဘူး။

00:33

So let me tell you how we got here.

10

21001

1840

ဒီတော့ ဖြစ်ပျက်ပုံတွေကို ပြောပါရစေ။

00:35

My inspiration for this work

11

23940

1578

ဒီအလုပ်အတွက် ကျွန်တော့စေ့ဆော်မှုက

00:37

was a project meant to preserve our last
chance for learning about the Holocaust

12

25542

5411

ရှင်ကျန်သူတွေဆီကနေ Holocaust အကြောင်း
သင်ယူဖို့ နောက်ဆုံးအခွင့်အရေးကို

00:42

from the survivors.

13

30977

1768

စောင့်ရှောက်ရန်ရည်ရွယ်တဲ့ ပရောဂျက်ပါ။

00:44

It's called New Dimensions in Testimony,

14

32769

2627

ဒါကို New Dimensions in
Testimony လို့ခေါ်ပြီး

00:47

and it allows you to have
interactive conversations

15

35420

3126

တကယ့် Holocaust ရှင်ကျန်သူ
တယောက်ရဲ့ သုံးဖက်မြင်ဓာတ်ပုံနဲ့

00:50

with a hologram
of a real Holocaust survivor.

16

38570

2556

အပြန်အလှန် စကားပြောတာတွေ ရရှိစေဖို့ပါ။

00:53

(Video) Man: How did you
survive the Holocaust?

17

41793

1966

(ဗီဒီယို) Holocaust က ဘယ်လိုရှင်ကျန်ခဲ့လဲ

00:55

(Video) Hologram: How did I survive?

18

43783

1668

(ဗီဒီယို) ကျုပ် ဘယ်လိုရှင်ကျန်ခဲ့လဲ

00:57

I survived,

19

45912

1807

ကျုပ်ရှင်ကျန်ခဲ့တယ်၊

01:00

I believe,

20

48419

1527

ကျုပ်ယုံကြည်တယ်၊

01:01

because providence watched over me.

21

49970

3023

အကြောင်းက ဘုရားသခင်က
ကျုပ်ကို စောင့်ရှောက်ခဲ့လို့ပါ။

01:05

SS: Turns out these answers
were prerecorded in a studio.

22

53573

3454

SS: ဖြစ်သွားတာက ဒီအဖြေတွေကို စတူဒီယိုမှာ
ကြိုတင်အသံသွင်းခဲ့တာပါ။

01:09

Yet the effect is astounding.

23

57051

2452

ဒါပေမဲ့ ရလဒ်ကတော့ အံ့မခန်းပဲ။

01:11

You feel so connected to his story
and to him as a person.

24

59527

3619

သူ့ဇာတ်လမ်းနဲ့ သူ့ကို လူကိုယ်တိုင်လို
ဆက်သွယ်မှုရရှိတာ သင်ခံစားရတယ်။

01:16

I think there's something special
about human interaction

25

64011

3301

စာအုပ်တွေ၊ ပို့ချချက်တွေ(သို့)
ရုပ်ရှင်တွေက သင်ကြားပေးတာထက်

01:19

that makes it much more profound

26

67336

2757

အများကြီး ပိုနက်ရှိုင်းကာ လူကိုယ်တိုင်

01:22

and personal

27

70117

2198

ဖြစ်အောင်လုပ်ပေးတဲ့

01:24

than what books or lectures
or movies could ever teach us.

28

72339

3485

လူသားချင်းတုံ့ပြန်ဆက်သွယ်မှုမှာ
ထူးခြားတာတစ်ခုရှိတယ်လို့ ထင်တယ်။

01:28

So I saw this and began to wonder,

29

76267

2425

ဒါနဲ့ ဒါကိုတွေ့ပြီး စတွေးမိတာက

01:30

can we create a model
like this for anyone?

30

78716

2810

လူတိုင်းအတွက် ဒီပုံစံမျိုး
ဖန်တီးနိုင်သလားပေါ့။

01:33

A model that looks, talks
and acts just like them?

31

81550

2975

၎င်းတို့လို ကြည့်တယ်၊ ပြောတယ်၊
သရုပ်ဆောင်တဲ့ ပုံစံတစ်ခုပေါ့။

01:37

So I set out to see if this could be done

32

85573

2007

ဒါကိုလုပ်နိုင်လားသိဖို့ ရည်မှန်းချက်ထားကာ

01:39

and eventually came up with a new solution

33

87604

2310

နောက်ဆုံးမှာ လူတစ်ယောက်ရဲ့
ရှိနေဆဲ ဓာတ်ပုံတွေနဲ့

01:41

that can build a model of a person
using nothing but these:

34

89938

3220

ဗီဒီယိုတွေကိုပဲသုံးပြီး
လူတစ်ယောက်ရဲ့ပုံစံကို တည်ဆောက်နိုင်တဲ့

01:45

existing photos and videos of a person.

35

93747

2214

အဖြေတစ်ခုရခဲ့တယ်။

01:48

If you can leverage
this kind of passive information,

36

96701

2617

ဒီမလှုပ်မယှက် သတင်းအချက်အလက်မျိုးကို
ဒီဓာတ်ပုံတွေ၊

01:51

just photos and video that are out there,

37

99342

2007

ဗီဒီယိုတွေနဲ့ ကြွလာအောင်လုပ်ပေးနိုင်ရင်

01:53

that's the key to scaling to anyone.

38

101373

2056

ဒါလူတိုင်းကို စကေးကိုက်လုပ်တာရဲ့
သော့ချက်ပါ။

01:56

By the way, here's Richard Feynman,

39

104119

1777

စကားမစပ် ဒါက Richard Feynman ပါ၊

01:57

who in addition to being
a Nobel Prize winner in physics

40

105920

3413

ရူပဗေဒမှာ နိုဘယ်လ်ဆုရသူဖြစ်တဲ့အပြင်

02:01

was also known as a legendary teacher.

41

109357

2453

အထင်ကရ ကျောင်းဆရာလို့လည်း
သိကြသူပါ။

02:05

Wouldn't it be great
if we could bring him back

42

113080

2198

ပို့ချချက်ပေးဖို့နဲ့ သန်းချီတဲ့ကလေးတွေကို

02:07

to give his lectures
and inspire millions of kids,

43

115302

3265

စေ့ဆော်ပေးဖို့ သူ့ကို ပြန်ခေါ်လို့များရရင်
ကြီးကျယ်မသွားပေဘူးလား။

02:10

perhaps not just in English
but in any language?

44

118591

2992

ဖြစ်နိုင်တာက အင်္ဂလိပ်ဘာသာနဲ့တင်မဟုတ်ပဲ
အခြားဘာသာတစ်ခုခုနဲ့လေ။

02:14

Or if you could ask our grandparents
for advice and hear those comforting words

45

122441

4602

(သိူ့) ဘိုးဘွားတွေကို ကျွန်တော်တို့နဲ့
အတူမရှိတာတောင် အကြံဉာဏ်တောင်းပြီး

02:19

even if they're no longer with us?

46

127067

1770

သူတို့နှစ်သိမ့်စကားတွေ
ကြားနိုင်ရင်ရော

02:21

Or maybe using this tool,
book authors, alive or not,

47

129683

3396

(သို့)ဖြစ်နိုင်တာက ဒီကိရိယာသုံးပြီး
စာရေးဆရာတွေက အသက်ရှိတာ၊မရှိတာထက်

02:25

could read aloud all of their books
for anyone interested.

48

133103

2937

စာအုပ်တွေကို စိတ်ဝင်စားသူတွေ
အတွက်အသံထွက်ဖတ်ပြနိုင်ရင်ရော

02:29

The creative possibilities
here are endless,

49

137199

2437

ဒီ ဖန်တီးနိုင်တဲ့ဖြစ်နိုင်ခြေတွေဟာ
အဆုံးမဲ့ဖြစ်ပြီး

02:31

and to me, that's very exciting.

50

139660

1713

ကျွန်တော့အတွက်
စိတ်လှုပ်ရှားစရာပါ။

02:34

And here's how it's working so far.

51

142595

2002

ဒါကတော့ လက်ရှိအထိ အလုပ်လုပ်ပုံပါ။

02:36

First, we introduce a new technique

52

144621

1667

ပထမ ပုံတိုင်းက 3D မျက်နှာပုံစံကို

02:38

that can reconstruct a high-detailed
3D face model from any image

53

146312

4572

လူကို 3D စကင်မရိုက်ပဲ
အနုစိတ်ပြန်ဆက်စပ်ပေးတဲ့

02:42

without ever 3D-scanning the person.

54

150908

2119

နည်းညာသစ်တစ်ခုကို မိတ်ဆက်တယ်။

02:45

And here's the same output model
from different views.

55

153890

2642

ဒီမှာတော့ မတူတဲ့အမြင်တွေကနေ
ပုံစံတူထုတ်ထားတဲ့ဟာပါ။

02:49

This also works on videos,

56

157969

1502

ဒါက ဗီဒီယိုမှာလည်း အလုပ်ဖြစ်တယ်

02:51

by running the same algorithm
on each video frame

57

159495

2852

ဗီဒီယိုဘောင်းတစ်ဘက်စီမှာ အလားတူ
အယ်လ်ဂိုရစ်သမ်သုံးကာ

02:54

and generating a moving 3D model.

58

162371

2222

3D ပုံစံကိုထုတ်ရင်းကနေပါ။

02:57

And here's the same
output model from different angles.

59

165538

2772

ဟောဒီမှာ မတူညီတဲ့ထောင့်တွေကနေ
ပုံစံတူထုတ်ထားတာပါ။

03:01

It turns out this problem
is very challenging,

60

169933

2534

ဒီပြဿနာက အတော်စိန်ခေါ်စရာ
ဖြစ်သွားပေမဲ့

03:04

but the key trick
is that we are going to analyze

61

172491

2525

အဓိက အချက်က လူတစ်ဦးရဲ့
ဓာတ်ပုံအစုကြီးတစ်ခုကို

03:07

a large photo collection
of the person beforehand.

62

175040

2966

ကြိုတင်ပြီး သရုပ်ခွဲတော့မှာပါ။

03:10

For George W. Bush,
we can just search on Google,

63

178650

2539

George W. Bush အတွက်
ဂူဂဲလ်မှာ ရှာကြည့်နိုင်ပြီး

03:14

and from that, we are able
to build an average model,

64

182309

2499

ဒါကနေ သာမန်ပုံစံတစ်ခုတည်ဆောက်ဖို့
တတ်နိုင်ပါတယ်။

03:16

an iterative, refined model
to recover the expression

65

184832

3111

ပါးရေနားရေတွန့်ကြောင်းတွေလို
အနုစိတ် မျက်နှာအမူအရာကို ပြန်ထေမိဖို့

03:19

in fine details,
like creases and wrinkles.

66

187967

2336

အထပ်ထပ်လုပ်ထားတဲ့
ခန့်ညားတဲ့ပုံစံတစ်ခုပါ။

03:23

What's fascinating about this

67

191326

1403

ဒါနဲ့ပတ်သက်ပြီးစိတ်ဝင်စားစရာက

03:24

is that the photo collection
can come from your typical photos.

68

192753

3423

ဓာတ်ပုံအစုဟာ သင့်ရဲ့ရိုးရိုးဓာတ်ပုံတွေကနေ
ရနိုင်တာပါ။

03:28

It doesn't really matter
what expression you're making

69

196200

2603

ဘယ်မျက်နှာအမူအရာ သင်လုပ်နေတာ
(သို့)ဘယ်လို ရိုက်ထားတာက

03:30

or where you took those photos.

70

198827

1885

တကယ် အရေးမကြီးပါဘူး။

03:32

What matters is
that there are a lot of them.

71

200736

2400

အရေးကြီးတာက
ဒါတွေအများကြီးရှိတာပါ။

03:35

And we are still missing color here,

72

203160

1736

ဒီမှာ အရောင်လိုနေတုန်းပဲနော်။

03:36

so next, we develop
a new blending technique

73

204920

2348

နောက်တော့ သာမန်ပုံစံတစ်ခုတည်းကို
မွမ်းမံပေးပြီး

03:39

that improves upon
a single averaging method

74

207292

2836

ပြတ်သားတဲ့ မျက်နှာအနေအထားနဲ့ အရောင်ကို

03:42

and produces sharp
facial textures and colors.

75

210152

2818

ထုတ်ပေးတဲ့ အရောင်စပ်
နည်းပညာတစ်ခုထွင်ပါတယ်။

03:45

And this can be done for any expression.

76

213779

2771

ဒါကို ဘယ်မျက်နှာအနေထား
အတွက်မဆို လုပ်နိုင်ပါတယ်။

03:49

Now we have a control
of a model of a person,

77

217485

2499

လူပုံစံတစ်ခုရဲ့ အထိန်းခလုတ်တစ်ခု
ရှိပါတယ်၊

03:52

and the way it's controlled now
is by a sequence of static photos.

78

220008

3795

ထိန်းချုပ်ပုံကတော့ ရုပ်ငြိမ်ဓာတ်ပုံတွေရဲ့
အစဉ်တစ်ခုနဲ့ပါ။

03:55

Notice how the wrinkles come and go,
depending on the expression.

79

223827

3126

မျက်နှာအမူအရာလိုက်ကာ အရေးအကြောင်းတွေ
ပေါ်ပုံပျောက်ပုံကို သတိပြုပါ

04:00

We can also use a video
to drive the model.

80

228109

2746

ဒီပုံစံကိုမောင်းဖို့ ဗီဒီယိုတစ်ခုကိုလည်း
သုံးနိုင်ပါတယ်။

04:02

(Video) Daniel Craig: Right, but somehow,

81

230879

2593

(ဗီဒီယို) Daniel Craig:
ဒါပေမဲ့ တစ်နည်းနည်းနဲ့တော့

04:05

we've managed to attract
some more amazing people.

82

233496

3771

ပုံများတဲ့ အံ့ဖွယ်လူတစ်ချို့ကို
ကျွန်တော်တို့ ဆွဲဆောင်နိုင်ပါပြီ။

04:10

SS: And here's another fun demo.

83

238021

1642

SS:ဒီမှာ နောက် ရယ်စရာသရုပ်ပြကွက်ပါ

04:11

So what you see here
are controllable models

84

239687

2246

မြင်ကြရတာတွေက
သူတို့ရဲ့အင်တာနက်ဓာတ်ပုံတွေကနေ

04:13

of people I built
from their internet photos.

85

241957

2444

ဆောက်ထားတဲ့ လူတွေရဲ့
ထိန်းချုပ်လို့ရတဲ့ ပုံစံတွေပါ။

04:16

Now, if you transfer
the motion from the input video,

86

244425

2904

ကဲ၊ သွင်းထာတဲ့ဗီဒီယိုကနေ
လှုပ်ရှားမှုကို ကူးပြောင်းလိုက်ရင်

04:19

we can actually drive the entire party.

87

247353

2152

အဖွဲ့တစ်ခုလုံးကို တကယ် မောင်းနိုင်ပါတယ်။

04:21

George W. Bush:
It's a difficult bill to pass,

88

249529

2172

George W. Bush: အတည်ပြုဖို့
ခက်တဲ့ဥပဒေကြမ်းပါ

04:23

because there's a lot of moving parts,

89

251725

2303

လှုပ်ရှားနေတဲ့အပိုင်းတွေ အများကြီးရှိပြီး

04:26

and the legislative processes can be ugly.

90

254052

5231

ဥပဒေပြု လုပ်ငန်းစဉ်က
ရုပ်ဆိုးသွားနိုင်လို့ပါ။

04:31

(Applause)

91

259307

1630

(လက်ခုပ်သံများ)

04:32

SS: So coming back a little bit,

92

260961

1837

SS: ဒီတော့ နည်းနည်းလေးနောက်ပြန်မယ်၊

04:34

our ultimate goal, rather,
is to capture their mannerisms

93

262822

3191

နောက်ဆုံးပန်းတိုင်က အတိအကျဆိုရရင်
သူတို့ရဲ့ဟန်အမူမရာတွေ (သို့)

04:38

or the unique way each
of these people talks and smiles.

94

266037

3045

ဒီလူတစ်ဦးစီရဲ့ ေပြာပုံ၊
ပြုံးပုံတွေရဲ့ ထူးခြားမှုကိုဖမ်းယူဖို့ပါ

04:41

So to do that, can we
actually teach the computer

95

269106

2313

ဒီတော့ ဒါလုပ်ဖို့ ကွန်ပြူတာကို

04:43

to imitate the way someone talks

96

271443

2222

ဒီလူရဲ့ ဗီဒီယိုရုပ်ရှင်ကို ပြသခြင်းနဲ့ကို

04:45

by only showing it
video footage of the person?

97

273689

2420

တစ်ဦးဦး ဟောပြောပုံကို တုပဖို့
တကယ်သင်ပေးနိုင်လား။

04:48

And what I did exactly was,
I let a computer watch

98

276898

2577

ကျွန်တော်အတိအကျလုပ်ခဲ့တာက
Barack Obama စစ်စစ်

04:51

14 hours of pure Barack Obama
giving addresses.

99

279499

3277

မိန့်ခွန်းပြောနေတာကို
၁၄ နာရီ ကျွန်ပြူတာကိုပေးကြည့်လိုက်တယ်။

04:55

And here's what we can produce
given only his audio.

100

283443

3516

ဟောဒါက သူ့ရဲ့အသံကို ပေးရုံနဲ့
ကျွန်တော်တို့ ထုတ်လုပ်နိုင်တာပါ။

04:58

(Video) BO: The results are clear.

101

286983

1777

(ဗီဒီယို)BO: ရလဒ်တွေက ရှင်းပါတယ်။

05:00

America's businesses have created
14.5 million new jobs

102

288784

4349

အမေရိကရဲ့ လုပ်ငန်းတွေက ဆက်တိုက်
၇၅ လ ကျော်မှာအလုပ်အကိုင်သစ်

05:05

over 75 straight months.

103

293157

2774

၁၄,၅ သန်းကို ဖန်တီးပေးပြီးပြီ။

05:07

SS: So what's being synthesized here
is only the mouth region,

104

295955

2905

SS: ဒီတော့ ဒီမှာ ဖန်တီးနေတာက
ပါးစပ်ဝန်းကျင်မှာပါပဲ၊

05:10

and here's how we do it.

105

298884

1540

ဟောဒီမှာ လုပ်တဲ့ပုံပါ။

05:12

Our pipeline uses a neural network

106

300764

1826

ကျွန်တော်တို့ အလုပ်စဉ်က အသံပြောင်းဖို့

05:14

to convert and input audio
into these mouth points.

107

302614

2936

ပါးစပ်နေရာတွေထဲ
ထည့်ဖို့ အာရုံကြောကွန်ရက်ကိုသုံးတယ်

05:18

(Video) BO: We get it through our job
or through Medicare or Medicaid.

108

306547

4225

(ဗီဒီယို)BO: ဒါကို ကွန်တော်တို့ အလုပ်ကနေ
(သို့) Medicare (ဝါ) Medicaid ကနေ ရပါတယ်။

05:22

SS: Then we synthesize the texture,
enhance details and teeth,

109

310796

3420

SS: ဒီနောက် အသားကို ဖန်တီးတယ်၊
အနုစိတ်နဲ့ သွားကို ပိုကောင်းအောင်လုပ်ပြီး

05:26

and blend it into the head
and background from a source video.

110

314240

3074

ဦးခေါင်းနဲ့ မူရင်းဗီဒီယိုက နောက်ခံမှာ
ရောစပ်လိုက်ပါတယ်။

05:29

(Video) BO: Women can get free checkups,

111

317338

1905

ဗီဒီယို)BO: အမျိုးသမီးတေွဟာ အခမဲ့

05:31

and you can't get charged more
just for being a woman.

112

319267

2968

ဆေးစစ်နိုင်ကာ အမျိုးသမီဖြေစ်လို့ပဲ
ပိုအတောင်းမခံရနိုင်ပါဘူး။

05:34

Young people can stay
on a parent's plan until they turn 26.

113

322973

3306

လူငယ်တွေဟာ ၂၆ နှစ်ပြည့်တဲ့အထိ
မိဘရဲ့ အစီအစဉ်မှာ နေနိုင်ပါတယ်။

05:39

SS: I think these results
seem very realistic and intriguing,

114

327267

2952

SS: ဒီရလဒ်တွေဟာ လက်တွေ့ကျပြီး
စိတ်ဝင်စားစရာထင်ရပေမဲ့

05:42

but at the same time
frightening, even to me.

115

330243

3173

တစ်ချိန်တည်းမှာကျွန်တော့အတွက်တောင်
ကြောက်ရာကောင်းတယ်လို့ ထင်ပါတယ်။

05:45

Our goal was to build an accurate model
of a person, not to misrepresent them.

116

333440

4015

ပန်းတိုင်က တိကျတဲ့ လူတစ်ဦးရဲ့ပုံစံကို
တည်ဆောက်ဖို့၊ မှားယွင်းဖော်ပြဖို့မဟုတ်ဘူး။

05:49

But one thing that concerns me
is its potential for misuse.

117

337956

3111

ဒါပေမဲ့ ပူပန်မတာက ၎င်းရဲ့
အလွဲသုံးစားလုပ်မှု ဖြစ်လာနိုင်ခြေပါ။

05:53

People have been thinking
about this problem for a long time,

118

341958

2971

ဒီပြဿနာအကြောင်း တွေးနေကြတာ
အတော်ကြာပါပြီ၊

05:56

since the days when Photoshop
first hit the market.

119

344953

2381

Photoshop စျေးကွက်ထဲကို
ဦးဆုံးဝင်လာကတည်းကပါ။

05:59

As a researcher, I'm also working
on countermeasure technology,

120

347862

3801

သုတေသီအဖြစ်နဲ့ တန်ပြန်ရေး အစီအမံ
နည်းပညာမှာလည်း လုပ်နေပြီး

06:03

and I'm part of an ongoing
effort at AI Foundation,

121

351687

2942

AI Foundation မှာ ကြိုပမ်းဆဲတစ်ခုရဲ့
အစိတ်အပိုင်းပါ၊

06:06

which uses a combination
of machine learning and human moderators

122

354653

3397

ဒါက ရုပ်ပုံနဲ ဗီဒီယိုအတုတွေကို
ရှာဖွေသိရှိဖို့ စက်သင်ကြားရေးနဲ့

06:10

to detect fake images and videos,

123

358074

2144

လူသားစိစစ်သူရဲ့ပူးပေါင်းမှုကို
အသုံးပြုတယ်။

06:12

fighting against my own work.

124

360242

1514

ကိုယ့်အလုပ်ကို တိုက်ခိုက်ရင်းပါ

06:14

And one of the tools we plan to release
is called Reality Defender,

125

362675

3190

ဖြန့်ချီဖို့ စီစဉ်တဲ့ ကိရိယာတစ်ခုက
Reality Defender လို့ခေါ်ပါတယ်။

06:17

which is a web-browser plug-in
that can flag potentially fake content

126

365889

4039

ရှာဖွေရေးကိရိယာထဲမှာအလိုအလျောက်
တွဲထားတဲ့ အကြောင်းအရာအတုကို သိအောင်

06:21

automatically, right in the browser.

127

369952

2533

လုပ်ပေးနိုင်ခြေရှိတဲ့
ဝက်ဘ်ရှာဖွေရေးကိရိယာပါ။

06:24

(Applause)

128

372509

4228

(လက်ခုပ်သံများ)

06:28

Despite all this, though,

129

376761

1453

ဒါတွေရှိတယ်ဆိုပေမဲ့လည်း

06:30

fake videos could do a lot of damage,

130

378238

1840

ဗီဒီယိုအတုတွေက အများကြီးထိခိုက်ပါတယ်

06:32

even before anyone has a chance to verify,

131

380102

3294

တစ်ဦးဦးကစစ်ဆေးအတည်ပြုခွင့်
မရခင်မှာတောင်

06:35

so it's very important
that we make everyone aware

132

383420

2722

အလွန်အရေးကြီးတာက လက်ရှိဖြစ်နိုင်ခြေကို

06:38

of what's currently possible

133

386166

2007

လူတိုင်း သတိပြုမိစေအောင်လုပ်ဖို့

06:40

so we can have the right assumption
and be critical about what we see.

134

388197

3369

မှန်ကန်တဲ့ယူဆချက်ရှိပြီး မြင်တာနဲ့
ပတ်သက်ပြီးနှိုင်းချိန်စေတတ်ဖို့ပါ။

06:44

There's still a long way to go before
we can fully model individual people

135

392423

5007

လူတစ်ဦးချင်းစီကို အပြည့်အဝ ပုံစံ
မထုတ်နိုင်ခင်၊ ဒီနည်းပညာရဲ့ စိတ်ချရမှုကို

06:49

and before we can ensure
the safety of this technology.

136

397454

2786

သေချာအောင်မလုပ်နိုင်ခင်
အဝေးကြီးလိုပါသေးတယ်။

06:53

But I'm excited and hopeful,

137

401097

1587

ဒါပေမဲ့ စိတ်လှုပ်ရှား၊ပြီး

06:54

because if we use it right and carefully,

138

402708

3539

မျှော်လင့်တာက ဒါကို
မှန်ကန်စွာ ဂရုတစိုက် သုံးရင်

06:58

this tool can allow any individual's
positive impact on the world

139

406271

4309

ဒီကိရိယာက ကမ္ဘာပေါ်မှာ လူတစ်ဦးချင်းရဲ့
အပြုသဘော သက်ရောက်မှုကို

07:02

to be massively scaled

140

410604

2190

ထူးခြားစွာ အချိုးကိုက်ပြီး

07:04

and really help shape our future
the way we want it to be.

141

412818

2742

ကျနော်တို့ဖြစ်ချင်တဲ့အနာဂတ်ကို
ကူညီပုံဖော်ခွင့်ပေးလို့ပါ။

07:07

Thank you.

142

415584

1151

ကျေးဇူးတင်ပါတယ်။

07:08

(Applause)

143

416759

5090

(လက်ခုပ်သံများ)

Translated by sann tint
Reviewed by Myo Aung

ABOUT THE SPEAKER

Supasorn Suwajanakorn - Computer scientist
Supasorn Suwajanakorn works on ways to reconstruct, preserve and reanimate anyone -- just from their existing photos and videos.

Why you should listen

Can we create a digital avatar that looks, acts and talks just like our sweet grandma? This question has inspired Supasorn Suwajanakorn, a recent PhD graduate from the University of Washington, to spend years developing new tools to make it a reality. He has developed a set of algorithms that can build a moving 3D face model of anyone from just photos, which was awarded the Innovation of the Year in 2016. He then introduced the first system that can replicate a person's speech and produce a realistic CG-animation by only analyzing their existing video footage -- all without ever bringing in the person to a Hollywood capture studio.

Suwajanakorn is working in the field of machine learning and computer vision. His goal is to bring vision algorithms out of the lab and make them work in the wild.

More profile about the speaker
Supasorn Suwajanakorn | Speaker | TED.com

THE ORIGINAL VIDEO ON TED.COM

Supasorn Suwajanakorn: လူအစစ်တွေရဲ့ ဗီဒီယိုအတုများနှင့် ၎င်းတို့ကို ရိပ်စားမိနိုင်ပုံ။ | TED Talk | TED.com