一加 Ace 5系列將搭載全新游戲助手:大幅提升游戲體驗(yàn)東芝全部業(yè)務(wù)實(shí)現(xiàn)盈利,退市裁員重組后終于賺錢真我14 Pro+開始提上日程:1.5K等深四微曲屏+潛望長(zhǎng)焦穩(wěn)了消息稱本田和日產(chǎn)計(jì)劃明年6月前敲定合并協(xié)議 2026年8月成立控股公司凱迪拉克最新版OTA開啟推送,新增百度語音大模型和QQ音樂等應(yīng)用中國聯(lián)通11月5G套餐用戶凈增127.8萬戶5G確定性工業(yè)基站首商用,工業(yè)互聯(lián)網(wǎng)走上新高度李飛飛團(tuán)隊(duì)前瞻性研究 多模態(tài)AI模型初顯空間智能AI終于邁過這道檻!Livekit 開源模型精準(zhǔn)識(shí)別“你是否說完”!DeepSeek開源大模型開發(fā)者之一羅福莉?qū)⒓用诵∶?/a>廣汽詳解旗下首款復(fù)合翼飛行汽車 GOVY AirJet:最高飛行速度可達(dá) 250km/h清華大學(xué)聯(lián)合騰訊出品!ColorFlow:自動(dòng)給黑白漫畫上色,保持角色一致性Adobe推新AI音頻具Sketch2Sound ,只需哼唱和模仿聲音就能創(chuàng)建音效家庭能源智聯(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AGI Open Network(AON):賦能每個(gè)人創(chuàng)建、部署和貨幣化AI Agent
  • 首頁 > 云計(jì)算頻道 > 大模型

    比對(duì)口型還牛!InstructAvatar:實(shí)現(xiàn)文字生成指定面部的表情和動(dòng)作

    2024年05月28日 11:39:12   來源:站長(zhǎng)之家

      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,通過自然語言界面來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:

      通過自然語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)作潛變量來生成最終的視頻。在推理過程中,通過迭代去噪高斯噪聲來獲取預(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。

    image.png

      通過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)。

    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,一套流程下來都要半個(gè)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(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成功舉辦。