家庭能源智聯(lián)自由 海辰儲(chǔ)能發(fā)布首套免安裝家庭微網(wǎng)系統(tǒng)HeroESOpenAI發(fā)布o(jì)3:AI 推理能力的重大突破,得分高達(dá)87.5%亞馬遜云科技推出Amazon Q Developer新功能小象超市,摸著美團(tuán)外賣出海E Ink元太科技連三年入選道瓊可持續(xù)雙指數(shù)撬動(dòng)6000億GTV后,抖音計(jì)劃偷襲美團(tuán)大本營(yíng)AGI Open Network(AON):賦能每個(gè)人創(chuàng)建、部署和貨幣化AI Agent貸款利率史上最低了嗎?東融教你看懂歷年啥水平“客服來(lái)電”有詐?抖音客服上線“驗(yàn)證助手”助用戶識(shí)別詐騙OpenAI新模型GPT-5研發(fā)未達(dá)預(yù)期:成本高昂 效果不佳曝天馬打入果鏈:為蘋果HomePod供應(yīng)LCD屏 每塊屏僅10美元曝OPPO或首發(fā)新款天璣次旗艦芯片 兩大子品牌Q2發(fā)力諾基亞攜手阿聯(lián)酋運(yùn)營(yíng)商e&,展示全球首個(gè)固網(wǎng)游戲端到端網(wǎng)絡(luò)切片方案零下25℃制熱26℃!海爾水暖通黑科技亮相冰雪大世界三星沒(méi)放棄曲面屏開(kāi)發(fā)!最新專利曝光暗示有望回歸三大運(yùn)營(yíng)商11月成績(jī)單:用戶數(shù)據(jù)增幅放緩打造下一個(gè)英偉達(dá),孫正義的2026芯片計(jì)劃曝光瞭望2025全球6G技術(shù)發(fā)展趨勢(shì)AI時(shí)代云安全新范式,暢捷通智能守護(hù)小微企業(yè)安全上云百川智能發(fā)布全鏈路領(lǐng)域增強(qiáng)金融大模型 Baichuan4-Finance
  • 首頁(yè) > 云計(jì)算頻道 > 大模型

    圖片生成精準(zhǔn)動(dòng)態(tài)視頻,阿里、港大推出新模型LivePhoto

    2023年12月13日 10:19:41   來(lái)源:AIGC開(kāi)放社區(qū)公眾號(hào)

      阿里巴巴、香港大學(xué)、螞蟻集團(tuán)的研究人員提出了一種全新圖片生成動(dòng)態(tài)視頻模型——LivePhoto。用戶通過(guò)LivePhoto,可將一張靜態(tài)圖片快速生成高精準(zhǔn)的動(dòng)態(tài)視頻。

      與傳統(tǒng)方法不同的是,LivePhoto在開(kāi)源文生圖模型Stable Diffusion基礎(chǔ)之上,增加了運(yùn)動(dòng)強(qiáng)度和文本加權(quán)兩大創(chuàng)新模塊,可精準(zhǔn)掌控動(dòng)態(tài)視頻生成過(guò)程中的運(yùn)動(dòng)強(qiáng)度、文本描述。

      研究人員將LivePhoto與主流模型Gen-2、Pikalabs進(jìn)行了比較,經(jīng)過(guò)多輪測(cè)試效果非常卓越。

      論文地址:https://arxiv.org/abs/2312.02928

      從論文來(lái)看,LivePhoto模型主要由三大模塊組成:首先是圖像內(nèi)容控制模塊,通過(guò)多種策略提供強(qiáng)大的像素級(jí)和語(yǔ)義級(jí)圖像指導(dǎo),從而確保生成序列中每一幀的視覺(jué)內(nèi)容與原圖保持高度一致。

      其次是運(yùn)動(dòng)建模模塊,基于知名開(kāi)源模型Stable Diffusion,僅訓(xùn)練插入的特定組件來(lái)捕捉幀間隱含的運(yùn)動(dòng)模式。

      第三個(gè)是額外控制指令模塊,是一種運(yùn)動(dòng)強(qiáng)度估計(jì)和文本重新加權(quán)的方法,可有效減少文本到運(yùn)動(dòng)映射中的歧義,使得所生成的圖像動(dòng)畫視頻更好地遵循文本指令描述。

      圖像內(nèi)容控制

      為了實(shí)現(xiàn)生成內(nèi)容與參考圖像保持一致,LivePhoto使用了三種圖像指導(dǎo)方法:1)參考潛在表示拼接通過(guò)VAE編碼器提取參考圖像的潛在表示,并直接拼接到模型輸入中,實(shí)現(xiàn)像素級(jí)指導(dǎo)。

      2)內(nèi)容編碼器,使用了預(yù)訓(xùn)練的DINOv2網(wǎng)絡(luò)提取參考圖像的圖像塊表示,并通過(guò)新增的交叉注意力層注入到UNet網(wǎng)絡(luò)中,提供全局內(nèi)容約束。

      3)先驗(yàn)反向映射,在推理階段,將參考潛在表示的反向映射混合到高斯噪聲中,為細(xì)節(jié)生成提供先驗(yàn)知識(shí)。

      此外,LivePhoto凍結(jié)了Stable Diffusion模型的部分功能,僅訓(xùn)練插入了其中的可學(xué)習(xí)運(yùn)動(dòng)模塊,用來(lái)構(gòu)建不同幀間的運(yùn)動(dòng)聯(lián)系。相當(dāng)于每個(gè)UNet組件中插入了一個(gè)運(yùn)動(dòng)模塊,采用了類似AnimateDiff的結(jié)構(gòu)。

      額外指令

      通過(guò)圖像內(nèi)容控制和運(yùn)動(dòng)模塊,基本可以勾勒出大致的運(yùn)動(dòng)視頻內(nèi)容。但仍然無(wú)法精準(zhǔn)控制運(yùn)動(dòng)方式,這是因?yàn)槲谋局型瑫r(shí)包含內(nèi)容和運(yùn)動(dòng)兩個(gè)方面的描述,而參考圖像起主導(dǎo)作用,容易造成內(nèi)容描述對(duì)運(yùn)動(dòng)描述的抑制。

      為解決這一問(wèn)題,開(kāi)發(fā)人員提出了兩種額外的指令:

      1)運(yùn)動(dòng)強(qiáng)度,考慮到文本指令本身很難準(zhǔn)確表達(dá)運(yùn)動(dòng)特征, LivePhoto引入了一個(gè)1-10的值來(lái)參數(shù)化運(yùn)動(dòng)強(qiáng)度。這一超參數(shù)既可于訓(xùn)練時(shí)促進(jìn)文本與運(yùn)動(dòng)的匹配,也為用戶提供了方便的推理調(diào)節(jié)接口。

      2)文本加權(quán),為區(qū)分文本中與內(nèi)容和運(yùn)動(dòng)相關(guān)的部分, LivePhoto設(shè)計(jì)了文本加權(quán)功能。

      其目標(biāo)是檢測(cè)文本中與運(yùn)動(dòng)相關(guān)的維度,并對(duì)其進(jìn)行加權(quán)放大。這可以減少內(nèi)容描述帶來(lái)的干擾,從而增強(qiáng)運(yùn)動(dòng)控制能力。

      實(shí)驗(yàn)結(jié)果也證明,在運(yùn)動(dòng)強(qiáng)度指導(dǎo)和文本加權(quán)的幫助下,LivePhoto展現(xiàn)出了十分出色的零樣本視頻動(dòng)畫生成性能。

      可以處理各種圖像輸入,同時(shí)遵循文本中對(duì)運(yùn)動(dòng)的描述生成視頻。例如,不同的人或動(dòng)物正在進(jìn)行的動(dòng)作,或者虛擬出文本所描寫的場(chǎng)景。

      此外,用戶還可以通過(guò)簡(jiǎn)單調(diào)節(jié)運(yùn)動(dòng)強(qiáng)度的數(shù)值,自由定制視頻中運(yùn)動(dòng)的方式。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類目

    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%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來(lái)都要半個(gè)月了,現(xiàn)在方便多了!”打開(kāi)“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(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    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(lái)實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。

    研究

    中國(guó)信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽(yáng)成功舉辦。