最近,視頻編輯領(lǐng)域迎來了人工智能的顯著進展,其中以Diffusion-based技術(shù)為代表。該技術(shù)利用預(yù)訓(xùn)練的文本到圖像/視頻擴散模型進行樣式更改、背景交換等任務(wù)。然而,在視頻編輯中,將源視頻的運動轉(zhuǎn)移到編輯后的視頻,尤其是確保整個過程中的時間一致性是一個具有挑戰(zhàn)性的部分。
大多數(shù)視頻編輯工具側(cè)重于通過確保時間一致性和動作對齊來保持視頻的結(jié)構(gòu)。然而,在處理視頻中的形狀變化時,這一過程變得無效。為了解決這一問題,新加坡國立大學(xué)的Show Lab和Meta的GenAI研究人員引入了VideoSwap框架,該框架使用語義點對應(yīng)而非密集對應(yīng),以對齊主體的運動軌跡并改變其形狀。
使用密集對應(yīng)可以實現(xiàn)更好的時間一致性,但限制了編輯視頻中主體形狀的變化。盡管使用語義點對應(yīng)是一種靈活的方法,但在不同的開放世界設(shè)置中變化較大,這使得難以訓(xùn)練一個通用的條件模型。
研究人員嘗試僅使用有限數(shù)量的源視頻幀來學(xué)習(xí)語義點控制,他們發(fā)現(xiàn)在源視頻幀上優(yōu)化的點可以對齊主體的運動軌跡并改變主體的形狀。
此外,優(yōu)化后的語義點還可以在語義和低級別變化之間進行轉(zhuǎn)移。這些觀察結(jié)果為在視頻編輯中使用語義點對應(yīng)提供了依據(jù)。
研究人員設(shè)計了該框架的方式如下:他們將運動層集成到圖像擴散模型中,以確保時間一致性。他們還在源視頻中識別了語義點,并利用這些點來傳遞運動軌跡。該方法僅關(guān)注高級語義對齊,從而防止過度學(xué)習(xí)低級別細(xì)節(jié),從而增強語義點對齊。此外,VideoSwap還具有用戶點交互,例如刪除或拖動點以進行多個語義點對應(yīng)。
研究人員使用潛在擴散模型實施了該框架,并采用AnimateDiff中的運動層作為基礎(chǔ)模型。他們發(fā)現(xiàn),與先前的視頻編輯方法相比,VideoSwap在同時對齊源運動軌跡、保留目標(biāo)概念身份的同時實現(xiàn)了顯著的形狀變化。研究人員還通過人工評估驗證了他們的結(jié)果,結(jié)果清楚地顯示,VideoSwap在主體身份、動作對齊和時間一致性等指標(biāo)上優(yōu)于其他比較方法。
VideoSwap是一個多才多藝的框架,即使涉及復(fù)雜形狀的視頻編輯也能游刃有余。它在過程中限制了人的干預(yù),并使用語義點對應(yīng)實現(xiàn)更好的視頻主體交換。該方法不僅允許在同時改變形狀的同時將運動軌跡與源對象對齊,而且在多個指標(biāo)上優(yōu)于先前的方法,展示了在定制視頻主體交換方面的最新成果。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。投資者據(jù)此操作,風(fēng)險自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實質(zhì)性的幫助,雙十一期間低至2799元,性價比很高,簡直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會——工業(yè)互聯(lián)網(wǎng)標(biāo)識解析專題論壇在沈陽成功舉辦。