📲Digital Trends•最新收集於 34m
Google AI 重現 Pele 傳奇失傳進球
💡了解 Google 如何利用 Gemini Omni 與 Veo 從碎片化資料中重構歷史事件。
⚡ 30-Second TL;DR
有什麼變化
使用 Veo 影片引擎合成歷史動作
為什麼重要
展示了生成式 AI 在歷史保存與運動分析中的潛力。這顯示了多模態模型如何將不同的資料來源合成為連貫的視覺敘事。
下一步行動
研究 Veo 影片引擎的技術文件，了解如何將存檔資料與即時生成式影片工作流程進行整合。
誰應關注：Creators & Designers
關鍵要點
- •使用 Veo 影片引擎合成歷史動作
- •整合 Gemini Omni 與 Nano Banana Pro 進行資料處理
- •結合現場捕捉與存檔影像以填補歷史空白
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •該專案是 Google 與巴西足球博物館（Museu do Futebol）合作的數位保存計畫之一，旨在透過 AI 復原 Pele 於 1959 年對陣 Juventus-SP 時那顆被認為「最美但無影像記錄」的進球。
- •Google 團隊不僅依據當時的文字報導與目擊者口述，還利用了 Pele 本人的動作捕捉數據（Motion Capture）來校準 AI 模型，確保動作的生物力學真實性。
- •此技術應用了神經輻射場（NeRF）技術，將 2D 歷史照片與球場平面圖轉換為 3D 空間模型，從而實現多角度的視覺重現。
- •專案中使用的 Gemini Omni 模型負責解析數千份歷史報紙與廣播轉錄稿，以提取關於球員跑位與球速的關鍵語義資訊。
- •此項技術成果已整合至 Google Arts & Culture 平台，提供互動式體驗，讓使用者能以虛擬實境（VR）方式觀看該進球的重現過程。
🛠️ 技術深入
- 影像合成引擎：採用 Veo 影片生成模型，針對歷史影像的低解析度特性進行了超解析度（Super-Resolution）與幀率插值（Frame Interpolation）優化。
- 資料處理架構：Gemini Omni 負責多模態數據融合，將非結構化的文字描述轉化為空間座標序列。
- 動作模擬：結合 Nano Banana Pro 進行物理引擎模擬，計算球體在不同草皮摩擦係數下的運動軌跡。
- 空間重建：利用 NeRF 技術從有限的歷史靜態影像中推斷出球場的 3D 幾何結構與光影分佈。
🔮 前景展望AI analysis grounded in cited sources
AI 歷史影像修復將成為博物館數位典藏的標準配置。
Google 此專案證明了 AI 在填補歷史影像空白方面的商業與文化價值，將促使更多文化機構投入數位重建計畫。
體育轉播將引入即時 AI 歷史重現功能。
隨著 Veo 等影片引擎的成熟，未來體育賽事轉播可能在比賽中即時生成歷史經典動作的對比影像。
⏳ 時間線
2023-09
Google 宣布與巴西足球博物館建立數位合作夥伴關係。
2024-05
Google 發表 Veo 影片生成模型，為歷史影像重構提供技術基礎。
2025-02
研究團隊開始針對 Pele 1959 年進球進行數據採集與模型訓練。
2026-06
Google 正式對外展示 Pele 傳奇進球的 AI 重構成果。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Digital Trends ↗