最近,對(duì)話形象生成模型在實(shí)現(xiàn)與音頻的逼真準(zhǔn)確口型同步方面取得了進(jìn)展,但在控制和傳達(dá)形象的細(xì)節(jié)表情和情感方面仍有不足,使生成的視頻缺乏生動(dòng)性和可控性。
因此,北京大學(xué)的研究團(tuán)隊(duì)提出了一種名為 InstructAvatar 的新穎方法,通過(guò)自然語(yǔ)言界面來(lái)控制虛擬形象的情感和面部動(dòng)作,從而提供了對(duì)生成的視頻進(jìn)行細(xì)粒度控制的能力。InstructAvatar可實(shí)現(xiàn)的效果包括:
通過(guò)自然語(yǔ)言輸入控制頭像的情緒和面部動(dòng)作。
利用一個(gè)自動(dòng)注釋管道構(gòu)建訓(xùn)練數(shù)據(jù)集,使得頭像可以根據(jù)文本指令和音頻進(jìn)行生成。
生成的頭像能夠準(zhǔn)確同步口型,表情自然且生動(dòng)。
相比于現(xiàn)有方法,在細(xì)粒度情緒控制、口型同步質(zhì)量和自然度方面有更好的表現(xiàn)。
InstructAvatar 的框架包括兩個(gè)組件:變分自動(dòng)編碼器(VAE)和基于擴(kuò)散模型的動(dòng)作生成器。VAE 用于將動(dòng)作信息從視頻中解耦,并根據(jù)音頻和指令生成器生成的動(dòng)作潛變量來(lái)生成最終的視頻。在推理過(guò)程中,通過(guò)迭代去噪高斯噪聲來(lái)獲取預(yù)測(cè)的動(dòng)作潛變量,并結(jié)合用戶提供的肖像,使用 VAE 的解碼器生成最終的視頻。
通過(guò)與基線模型的定性比較,可以看出 InstructAvatar 在唇同步質(zhì)量和情感可控性方面取得了良好的效果。此外,模型生成的結(jié)果具有增強(qiáng)的自然性,并有效地保留了身份特征。
值得一提的是,該模型僅基于文本輸入推斷說(shuō)話的情感,這在直觀上提出了一個(gè)更具挑戰(zhàn)性的任務(wù)。模型支持更廣泛的指令范圍,超出了大多數(shù)基線模型的范圍。
此外,該模型展現(xiàn)了精確的情感控制能力,并生成了自然的結(jié)果。InstructAvatar 具有細(xì)粒度的控制能力,并在領(lǐng)域之外的場(chǎng)景中表現(xiàn)出良好的泛化能力。
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)。
近日,德國(guó)柏林國(guó)際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場(chǎng)的強(qiáng)大影響力。
近日,中國(guó)家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開(kāi)幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無(wú)人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“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。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開(kāi)放原子開(kāi)源基金會(huì)主辦的“2024全球開(kāi)發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。