Meta介紹AI圖像編輯工具Emu Edit/Video

　　11月20日消息，Meta 19 日宣布為 Facebook 和 Instagram 推出兩款基于 AI 的圖像編輯工具，分別是“Emu Edit”和“Emu Video”，適用領(lǐng)域包括照片和視頻，目前 Meta 公布了這兩項(xiàng) AI 工具的更多信息。

　　官方介紹稱，Emu Edit 模型僅用文字指令就可以準(zhǔn)確編輯圖像，而通過(guò)分解文字轉(zhuǎn)視頻(Text-to-Video，T2V)的生成過(guò)程，開(kāi)發(fā)團(tuán)隊(duì)公布了一種名為 Emu Video 的方法，可以改善最終生成視頻的品質(zhì)和多樣性。

　　據(jù)悉，Emu Edit 號(hào)稱是一種創(chuàng)新的影像編輯方法，目的是要簡(jiǎn)化各種影音操作任務(wù)，為視頻編輯提供更多功能與更高的精確度。Emu Edit 可以接受用戶指令，進(jìn)行各種形式的編輯，包括區(qū)域和全局編輯、移除和添加背景，也能夠調(diào)整顏色并進(jìn)行矢量圖轉(zhuǎn)換，或進(jìn)行圖像構(gòu)成元素的檢測(cè)和分割。

　　Meta 表示，Emu Edit 把視覺(jué)任務(wù)作為指令，納入到所生成模型中，進(jìn)而在視頻生成和編輯中，提供更好的控制能力。研究人員指出，當(dāng)前的圖像編輯模型，通常會(huì)過(guò)度修改圖像，或是修改不足，而 Emu Edit 的優(yōu)勢(shì)在于能夠準(zhǔn)確按照指令進(jìn)行編輯。

　　Meta 使用了 1000 萬(wàn)個(gè)合成數(shù)據(jù)集訓(xùn)練 Emu Edit，號(hào)稱是目前同類中規(guī)模最大的數(shù)據(jù)集，從而帶來(lái)了更好的圖像編輯能力，其中每個(gè)樣本都包含圖像輸入、任務(wù)描述，以及目標(biāo)輸出圖像。可使模型忠實(shí)地執(zhí)行指令，產(chǎn)生“比當(dāng)前所有競(jìng)品都要好的結(jié)果”。

　　而 Emu Video 是一種簡(jiǎn)單且高效的文字轉(zhuǎn)視頻生成方法，該方法運(yùn)用擴(kuò)散模型，并以 Emu Edit 為基礎(chǔ)。開(kāi)發(fā)團(tuán)隊(duì)解釋，這種通過(guò)生成視頻的架構(gòu)能夠應(yīng)對(duì)外界各種輸入方式，包括文字、圖像、圖文組合等，此外 Emu Video 也能接受文字類提示詞，將用戶提供的圖像“動(dòng)畫(huà)化”，從而提供了“超越過(guò)去模型的能力”。

　　Emu Video 將影片生成過(guò)程拆分為兩個(gè)步驟，首先是根據(jù)文字提示生成圖像，然后基于文字和生成圖像產(chǎn)生視頻。這種拆分步驟的影片生成方法，讓研究人員可以有效地訓(xùn)練生成模型。

　　研究人員進(jìn)一步解釋，Emu Video 與過(guò)去 Make-A-Video 等需要一系列深度生成模型的研究不同，Emu Video 更簡(jiǎn)單，僅使用 2 個(gè)擴(kuò)散模型，就能生成 512x512 分辨率、每秒 16FPS、長(zhǎng) 4 秒鐘的視頻。

　　Meta 援引評(píng)估數(shù)據(jù)，證明 Emu Video 生成的視頻品質(zhì)以及“遵循提示詞的忠實(shí)程度”相對(duì)業(yè)內(nèi)競(jìng)品更好。在品質(zhì)方面，有 96%受訪者偏好 Emu Video 而非此前的 Make-A-Video 方案，而對(duì)于“提示詞的忠實(shí)度”方面，Emu Video 獲得了 85%受訪者的青睞。