Jul, 134 min de leitura
Plataforma
News · A restauração de O Feiticeiro de Oz da Google na Sphere: um problema de fine-tuning disfarçado de espetáculo
Apr, 84 min de leitura
PlataformaA restauração de O Feiticeiro de Oz da Google na Sphere: um problema de fine-tuning disfarçado de espetáculo
Como a Google DeepMind e a Google Cloud estão a expandir três negativos de filme granulados de 1939 para um ecrã LED de 160 mil pés quadrados com o Imagen, o Veo e o Gemini
Três negativos de filme, 160 mil pés quadrados
O ponto de partida técnico é insulitamente específico. Buzz Hays, responsável global da Google Cloud para soluções na indústria do entretenimento, descreve a fonte como "a imagem original em formato quatro por três num pedaço de celuloide de 35mm — na verdade, são três negativos de filme separados e granulados; era assim que se filmava em Technicolor."
Essa fonte tem de ser adaptada ao ecrã LED 16K da Sphere — descrito como o ecrã de maior resolução do mundo — ao longo de 160 mil pés quadrados de superfície, envolvendo um recinto com 17.600 lugares. O desajuste entre um negativo de 1939 em 4:3 e uma tela esférica envolvente é precisamente o problema que este projeto existe para resolver. A estreia é a 28 de agosto.
O enquadramento aqui é importante: isto não é um simples upscaling para uma televisão maior. Um plano cinematográfico convencional corta constantemente entre personagens, retirando-os do campo de visão. Na Sphere, tudo numa cena tem de coexistir em simultâneo, o que significa que os elementos em falta têm de ser reconstruídos, não apenas ampliados.
Três modelos ajustados para três tarefas diferentes
A Google divide o processo em três operações distintas, cada uma tratada por versões específicas do Veo, do Imagen e do Gemini. A super-resolução converte os pequenos fotogramas de celuloide em imagens de ultra-alta definição. O outpainting expande as cenas para preencher o espaço e colmatar as lacunas deixadas por cortes de câmara e enquadramentos. A geração de performance combina as interpretações originais com esses ambientes expandidos.
O detalhe interessante a nível de plataforma é que estas não são chamadas a modelos genéricos prontos a usar. Cada etapa utiliza uma versão "especialmente ajustada para a tarefa." O anúncio descreve, na prática, uma stack de geração de conteúdo multimédia em que modelos distintos são especializados por função, em vez de um único modelo a quem se pede para fazer tudo através de prompting.
O relato do investigador da DeepMind, Dr. Steven Hickson, sobre o cronograma é franco quanto ao quão incompleto tudo estava no início: "Encontrávamos algo que não conseguíamos fazer, pensávamos que era impossível, e depois, um mês mais tarde, dizíamos: afinal, talvez consigamos fazer isso."
O arquivo como dados de treino
A ideia mais transponível deste caso é que os maiores ganhos de qualidade não vieram de um modelo melhor, mas de mais material de origem. A equipa vasculhou arquivos à procura do guião de filmagem, ilustrações de produção, fotografias, plantas de cenários e partituras, e depois fez fine-tuning do Veo e do Gemini com esses materiais.
É de notar que o corpus de fine-tuning inclui metadados de produção, como as distâncias focais das câmaras usadas em cenas específicas — o tipo de detalhe que condiciona um fotograma gerado a corresponder à forma como o original foi realmente filmado. A Google relata resultados concretos: "As sardas da Dorothy ganham nitidez e o Totó consegue correr de forma mais fluida por mais cenas."
Isto inverte a narrativa habitual sobre conteúdo generativo. O fator decisivo não foi uma arquitetura mais inteligente; foi a criação de um conjunto de dados denso e específico do domínio, muito além do próprio filme de 102 minutos, para que o modelo aprendesse esta produção em particular, e não o cinema em geral.
Uma restrição rígida: nenhum material novo
O projeto impõe uma regra que condiciona todas as escolhas técnicas: não foi escrito nenhum diálogo novo nem gravada nenhuma música nova. A produtora Jane Rosenthal afirma que a equipa considerou outras abordagens antes de concluir que "realmente precisávamos de fazer isto com AI (mantém-se o acrónimo em inglês)", e Hays refere que todas as alterações foram feitas em conjunto com a Warner Bros. para preservar a continuidade com o original.
Para uma equipa de aplicação prática, este é o sinal mais útil. O valor não estava na geração pela geração — estava na geração delimitada por uma obra existente, licenciada e canónica, em que a função do modelo é estender e não inventar. Foi essa restrição que tornou essencial o fine-tuning com materiais de produção de arquivo, e é isso que distingue este projeto de um sistema com liberdade para confabular.
A implicação concreta: a Google está a posicionar o Imagen, o Veo e o Gemini não como simples brinquedos de texto-para-vídeo, mas como um pipeline de restauração e extensão para detentores de direitos que precisam de resultados fiéis a uma fonte fixa. O elemento diferenciador em destaque é o ajuste especializado por tarefa aliado a uma curadoria de dados disciplinada — e não apenas a capacidade generativa em bruto.
Find this story relevant to you?
Contact us to find a unique solution
Precisa de um parceiro de engenharia de IA que saiba executar?
Ajudamos equipas em Portugal a integrar IA em produtos, automatizar processos de alto valor e modernizar os sistemas que suportam o negocio.
Leitura relacionada
Mais análises sobre entrega de produto, AI operacional e o trabalho de sistemas que faz com que a implementação funcione na prática.