Facebook的人工智能研究團隊已經創建了一個名為Vid2Play的人工智能，可以從真實人物的視頻中提取可玩角色，創造出更高科技版本的80年代全動態視頻(FMV)游戲，如夜間陷阱。神經網絡可以分析執行特定操作的人的隨機視頻，然后在任何環境中重新創建角色和動作，并允許您使用操縱桿控制它們。

該團隊使用了兩個名為Pose2Pose和Pose2Frame的神經網絡。首先，視頻被輸入Pose2Pose神經網絡，該網絡專為舞蹈，網球或擊劍等特定類型的動作而設計。系統然后計算出人與背景進行比較的位置，并隔離他們和他們的姿勢。然后，Pose2Frame將人，連同他們的陰影和他們所持有的任何物體，并將它們插入到具有最少偽影的新場景中。然后，您可以使用操縱桿或鍵盤根據視頻中的姿勢控制其移動。

每次活動只需幾個簡短的視頻 - 擊劍，跳舞和網球 - 來訓練系統。它能夠過濾掉其他人并補償不同的攝像機角度。該研究類似于Adobe的“內容感知填充”，它也使用AI來移除視頻中的元素，如游客或垃圾桶。其他公司，如NVIDIA，也已經建立了人工智能，可以將現實生活中的視頻轉換為適合游戲的虛擬環境。

動作有點棘手，人物看起來像是在冰上玩，這是3D動畫中的一個問題，被稱為“腳滑”。最重要的是，運動范圍有限。然而，與先前在角色提取方面的努力相比，它們在背景上顯得相當逼真?，F在還處于研究的早期階段，所以希望團隊可以解決運動問題。

Facebook的Vid2Game合成可以讓游戲更加個性化，讓你可以將自己的角色或喜愛的YouTube個性插入到游戲中。“[它]解決了之前未完全滿足的計算問題，為生成具有逼真圖形的視頻游戲鋪平了道路，”該團隊寫道。“此外，從類似YouTube的視頻中提取的可控角色可以在虛擬世界和增強現實中找到自己的位置。”