Rumah Peranti teknologi AI Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Jan 12, 2024 am 11:12 AM
industri penjanaan video 3d

Animate124, tukar satu gambar menjadi video 3D dengan mudah. . Mengimbas kembali pada tahun lalu, kami telah menyaksikan kemajuan ketara dalam kualiti dan kawalan teknologi penjanaan statik 3D. Pembangunan teknologi bermula daripada penjanaan berasaskan teks, disepadukan secara beransur-ansur ke dalam imej paparan tunggal, dan kemudian dibangunkan untuk menyepadukan berbilang isyarat kawalan.

Berbanding dengan ini, penjanaan pemandangan dinamik 3D masih di peringkat awal. Pada awal 2023, Meta melancarkan
MAV3D
, menandakan percubaan pertama menjana video 3D berdasarkan teks. Walau bagaimanapun, terhad oleh kekurangan model penjanaan video sumber terbuka, kemajuan dalam bidang ini agak perlahan.

Namun, kini, teknologi penjanaan video 3D berdasarkan gabungan grafik dan teks telah dikeluarkan!
Walaupun penjanaan video 3D berasaskan teks mampu menghasilkan kandungan yang pelbagai, ia masih mempunyai batasan dalam mengawal butiran dan pose objek. Dalam bidang penjanaan statik 3D, objek 3D boleh dibina semula dengan berkesan menggunakan satu imej sebagai input. Diilhamkan oleh ini, pasukan penyelidik dari
National University of Singapore (NUS) dan Huawei mencadangkan model Animate124
. Model ini menggabungkan satu imej dengan penerangan tindakan yang sepadan untuk membolehkan kawalan tepat penjanaan video 3D.

Laman utama projek: https://animate124.github.io/

Alamat kertas: https://arxiv.org/abs/2311.14603Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

  • com/HeliosZhao/Animate124

Kaedah terasDengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Kaedah ringkasan
dan kord halus pengoptimuman, artikel ini membahagikan penjanaan video 3D kepada 3 peringkat : 1) Fasa penjanaan statik: Gunakan model penyebaran graf Vincentian dan graf 3D untuk menjana objek 3D daripada imej tunggal 2) Fasa penjanaan kasar dinamik: Gunakan model video Vincentian untuk mengoptimumkan tindakan mengikut huraian bahasa; Selain itu, ControlNet penalaan halus diperibadikan digunakan untuk mengoptimumkan dan menambah baik sisihan yang disebabkan oleh perihalan bahasa peringkat kedua pada penampilan.

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudahFigure 1. Rangka Kerja Keseluruhan Generasi Generasi

ini meneruskan kaedah Magic123, menggunakan penyebaran yang stabil dan penyebaran 3D (
zero- 1-ke-3
) Hasilkan objek statik berdasarkan gambar:
Untuk perspektif yang sepadan dengan gambar bersyarat, gunakan juga fungsi kehilangan untuk mengoptimumkan:

Melalui dua matlamat pengoptimuman di atas, pelbagai perspektif yang konsisten diperolehi 3D objek (peringkat ini ditinggalkan dalam rajah bingkai).

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Penjanaan kasar dinamik

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Peringkat ini terutamanya menggunakan
model penyebaran video Vinson
, yang menganggap 3D statik sebagai bingkai awal dan menjana tindakan Khususnya, model 3D dinamik (NeRF dinamik) menghasilkan video berbilang bingkai dengan cap masa berterusan dan memasukkan video ini ke dalam model penyebaran video Vincent, menggunakan kehilangan penyulingan SDS untuk mengoptimumkan model 3D dinamik:
Hanya menggunakan Vincent video Kehilangan penyulingan akan menyebabkan model 3D melupakan kandungan gambar, dan pensampelan rawak akan membawa kepada latihan yang tidak mencukupi pada peringkat awal dan akhir video. Oleh itu, penyelidik dalam kertas ini terlebih sampel cap masa mula dan tamat. Dan, apabila mengambil sampel bingkai awal, fungsi statik tambahan digunakan untuk pengoptimuman (kehilangan penyulingan SDS bagi graf 3D):

Oleh itu, fungsi kehilangan pada peringkat ini ialah:

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Pengoptimuman semantik

Walaupun dengan pensampelan bingkai awal dan penyeliaan tambahan padanya, semasa proses penyebaran objek video menggunakan model, penampilan masih dipengaruhi oleh teks, yang mengimbangi imej rujukan. Oleh itu, kertas kerja ini mencadangkan peringkat pengoptimuman semantik untuk menambah baik offset semantik melalui model yang diperibadikan.

Memandangkan hanya terdapat satu gambar, model video Vincent tidak boleh diperibadikan dilatih Artikel ini memperkenalkan model resapan berdasarkan imej dan teks, dan melakukan penalaan halus yang diperibadikan pada model resapan ini. Model penyebaran ini tidak seharusnya mengubah kandungan dan tindakan video asal, tetapi hanya melaraskan penampilan. Oleh itu, artikel ini menggunakan model grafik ControlNet-Tile, menggunakan bingkai video yang dijana pada peringkat sebelumnya sebagai syarat dan mengoptimumkan mengikut bahasa. ControlNet adalah berdasarkan model Stable Diffusion Ia hanya perlu melakukan penalaan halus yang diperibadikan (Textual Inversion) pada Stable Diffusion untuk mengekstrak maklumat semantik dalam imej rujukan. Selepas penalaan halus diperibadikan, layan video sebagai imej berbilang bingkai dan gunakan ControlNet untuk mengawasi satu imej:

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Selain itu, kerana ControlNet menggunakan imej kasar sebagai syarat, panduan tanpa pengelas (CFG) boleh menggunakan julat normal (10 kiri dan kanan) dan bukannya menggunakan nilai yang sangat besar (biasanya 100) seperti graf Vincentian dan model video Vincentian. CFG yang terlalu besar akan menyebabkan imej terlampau tepu Oleh itu, menggunakan model penyebaran ControlNet boleh mengurangkan fenomena lebih tepu dan mencapai hasil penjanaan yang lebih baik. Penyeliaan peringkat ini digabungkan dengan kehilangan peringkat dinamik dan penyeliaan ControlNet:

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Hasil eksperimen

Sebagai model penjanaan video 3D berasaskan imej pertama, artikel ini dibandingkan dengan dua model penjanaan video 3D. model dan MAV3D dibandingkan. Animate124 mempunyai hasil yang lebih baik berbanding kaedah lain.

Perbandingan hasil visual

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Rajah 2. Animasikan124 berbanding dengan dua garis dasar

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Bandingkan dengan video MAV3D Vincent 3D

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Rajah 3.1. Perbandingan bagi video 3D grafik Animate124 dan MAV3D

Perbandingan keputusan kuantitatif

penggunaan CL.IP dan penunjuk kualiti ini persamaan dengan teks dan perolehan semula ketepatan, persamaan dengan imej, dan ketekalan temporal. Penunjuk penilaian manual termasuk persamaan dengan teks, persamaan dengan gambar, kualiti video, realisme pergerakan dan amplitud pergerakan. Penilaian manual diwakili oleh nisbah model tunggal kepada pemilihan Animate124 pada metrik yang sepadan.

Berbanding dengan dua model asas, Animate124 mencapai hasil yang lebih baik dalam kedua-dua CLIP dan penilaian manual.

Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah

Table 1. Perbandingan kuantitatif antara animate124 dan dua baselines

Summary

animate124 adalah yang pertama untuk mengubah sebarang imej menjadi 3D berdasarkan kaedah penerangan teks. Ia menggunakan pelbagai model resapan untuk penyeliaan dan bimbingan, mengoptimumkan rangkaian perwakilan dinamik 4D untuk menjana video 3D berkualiti tinggi.

Atas ialah kandungan terperinci Dengan hanya gambar dan arahan tindakan, Animate124 boleh menjana video 3D dengan mudah. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Robot DeepMind bermain pingpong, dan pukulan depan dan pukulan kilasnya tergelincir ke udara, mengalahkan manusia pemula sepenuhnya Robot DeepMind bermain pingpong, dan pukulan depan dan pukulan kilasnya tergelincir ke udara, mengalahkan manusia pemula sepenuhnya Aug 09, 2024 pm 04:01 PM

Tetapi mungkin dia tidak dapat mengalahkan lelaki tua di taman itu? Sukan Olimpik Paris sedang rancak berlangsung, dan pingpong telah menarik perhatian ramai. Pada masa yang sama, robot juga telah membuat penemuan baru dalam bermain pingpong. Sebentar tadi, DeepMind mencadangkan ejen robot pembelajaran pertama yang boleh mencapai tahap pemain amatur manusia dalam pingpong yang kompetitif. Alamat kertas: https://arxiv.org/pdf/2408.03906 Sejauh manakah robot DeepMind bermain pingpong? Mungkin setanding dengan pemain amatur manusia: kedua-dua pukulan depan dan pukulan kilas: pihak lawan menggunakan pelbagai gaya permainan, dan robot juga boleh bertahan: servis menerima dengan putaran yang berbeza: Walau bagaimanapun, keamatan permainan nampaknya tidak begitu sengit seperti lelaki tua di taman itu. Untuk robot, pingpong

Cakar mekanikal pertama! Yuanluobao muncul di Persidangan Robot Dunia 2024 dan mengeluarkan robot catur pertama yang boleh memasuki rumah Cakar mekanikal pertama! Yuanluobao muncul di Persidangan Robot Dunia 2024 dan mengeluarkan robot catur pertama yang boleh memasuki rumah Aug 21, 2024 pm 07:33 PM

Pada 21 Ogos, Persidangan Robot Dunia 2024 telah diadakan dengan megah di Beijing. Jenama robot rumah SenseTime "Yuanluobot SenseRobot" telah memperkenalkan seluruh keluarga produknya, dan baru-baru ini mengeluarkan robot permainan catur AI Yuanluobot - Edisi Profesional Catur (selepas ini dirujuk sebagai "Yuanluobot SenseRobot"), menjadi robot catur A pertama di dunia untuk rumah. Sebagai produk robot permainan catur ketiga Yuanluobo, robot Guoxiang baharu telah melalui sejumlah besar peningkatan teknikal khas dan inovasi dalam AI dan jentera kejuruteraan Buat pertama kalinya, ia telah menyedari keupayaan untuk mengambil buah catur tiga dimensi melalui cakar mekanikal pada robot rumah, dan melaksanakan Fungsi mesin manusia seperti bermain catur, semua orang bermain catur, semakan notasi, dsb.

Claude pun dah jadi malas! Netizen: Belajar untuk memberi percutian kepada diri sendiri Claude pun dah jadi malas! Netizen: Belajar untuk memberi percutian kepada diri sendiri Sep 02, 2024 pm 01:56 PM

Permulaan sekolah akan bermula, dan bukan hanya pelajar yang akan memulakan semester baharu yang harus menjaga diri mereka sendiri, tetapi juga model AI yang besar. Beberapa ketika dahulu, Reddit dipenuhi oleh netizen yang mengadu Claude semakin malas. "Tahapnya telah banyak menurun, ia sering berhenti seketika, malah output menjadi sangat singkat. Pada minggu pertama keluaran, ia boleh menterjemah dokumen penuh 4 halaman sekaligus, tetapi kini ia tidak dapat mengeluarkan separuh halaman pun. !" https:// www.reddit.com/r/ClaudeAI/comments/1by8rw8/something_just_feels_wrong_with_claude_in_the/ dalam siaran bertajuk "Totally disappointed with Claude", penuh dengan

Pada Persidangan Robot Sedunia, robot domestik yang membawa 'harapan penjagaan warga tua masa depan' ini telah dikepung Pada Persidangan Robot Sedunia, robot domestik yang membawa 'harapan penjagaan warga tua masa depan' ini telah dikepung Aug 22, 2024 pm 10:35 PM

Pada Persidangan Robot Dunia yang diadakan di Beijing, paparan robot humanoid telah menjadi tumpuan mutlak di gerai Stardust Intelligent, pembantu robot AI S1 mempersembahkan tiga persembahan utama dulcimer, seni mempertahankan diri dan kaligrafi dalam. satu kawasan pameran, berkebolehan kedua-dua sastera dan seni mempertahankan diri, menarik sejumlah besar khalayak profesional dan media. Permainan elegan pada rentetan elastik membolehkan S1 menunjukkan operasi halus dan kawalan mutlak dengan kelajuan, kekuatan dan ketepatan. CCTV News menjalankan laporan khas mengenai pembelajaran tiruan dan kawalan pintar di sebalik "Kaligrafi Pengasas Syarikat Lai Jie menjelaskan bahawa di sebalik pergerakan sutera, bahagian perkakasan mengejar kawalan daya terbaik dan penunjuk badan yang paling menyerupai manusia (kelajuan, beban). dll.), tetapi di sisi AI, data pergerakan sebenar orang dikumpulkan, membolehkan robot menjadi lebih kuat apabila ia menghadapi situasi yang kuat dan belajar untuk berkembang dengan cepat. Dan tangkas

Pasukan Li Feifei mencadangkan ReKep untuk memberi robot kecerdasan spatial dan mengintegrasikan GPT-4o Pasukan Li Feifei mencadangkan ReKep untuk memberi robot kecerdasan spatial dan mengintegrasikan GPT-4o Sep 03, 2024 pm 05:18 PM

Penyepaduan mendalam penglihatan dan pembelajaran robot. Apabila dua tangan robot bekerja bersama-sama dengan lancar untuk melipat pakaian, menuang teh dan mengemas kasut, ditambah pula dengan 1X robot humanoid NEO yang telah menjadi tajuk berita baru-baru ini, anda mungkin mempunyai perasaan: kita seolah-olah memasuki zaman robot. Malah, pergerakan sutera ini adalah hasil teknologi robotik canggih + reka bentuk bingkai yang indah + model besar berbilang modal. Kami tahu bahawa robot yang berguna sering memerlukan interaksi yang kompleks dan indah dengan alam sekitar, dan persekitaran boleh diwakili sebagai kekangan dalam domain spatial dan temporal. Sebagai contoh, jika anda ingin robot menuang teh, robot terlebih dahulu perlu menggenggam pemegang teko dan memastikannya tegak tanpa menumpahkan teh, kemudian gerakkannya dengan lancar sehingga mulut periuk sejajar dengan mulut cawan. , dan kemudian condongkan teko pada sudut tertentu. ini

Anugerah ACL 2024 Diumumkan: Salah satu Kertas Terbaik mengenai Pentafsiran Oracle oleh HuaTech, Anugerah Ujian Masa GloVe Anugerah ACL 2024 Diumumkan: Salah satu Kertas Terbaik mengenai Pentafsiran Oracle oleh HuaTech, Anugerah Ujian Masa GloVe Aug 15, 2024 pm 04:37 PM

Pada persidangan ACL ini, para penyumbang telah mendapat banyak keuntungan. ACL2024 selama enam hari diadakan di Bangkok, Thailand. ACL ialah persidangan antarabangsa teratas dalam bidang linguistik pengiraan dan pemprosesan bahasa semula jadi Ia dianjurkan oleh Persatuan Antarabangsa untuk Linguistik Pengiraan dan diadakan setiap tahun. ACL sentiasa menduduki tempat pertama dalam pengaruh akademik dalam bidang NLP, dan ia juga merupakan persidangan yang disyorkan CCF-A. Persidangan ACL tahun ini adalah yang ke-62 dan telah menerima lebih daripada 400 karya termaju dalam bidang NLP. Petang semalam, persidangan itu mengumumkan kertas kerja terbaik dan anugerah lain. Kali ini, terdapat 7 Anugerah Kertas Terbaik (dua tidak diterbitkan), 1 Anugerah Kertas Tema Terbaik, dan 35 Anugerah Kertas Cemerlang. Persidangan itu turut menganugerahkan 3 Anugerah Kertas Sumber (ResourceAward) dan Anugerah Impak Sosial (

Hongmeng Smart Travel S9 dan persidangan pelancaran produk baharu senario penuh, beberapa produk baharu blockbuster dikeluarkan bersama-sama Hongmeng Smart Travel S9 dan persidangan pelancaran produk baharu senario penuh, beberapa produk baharu blockbuster dikeluarkan bersama-sama Aug 08, 2024 am 07:02 AM

Petang ini, Hongmeng Zhixing secara rasmi mengalu-alukan jenama baharu dan kereta baharu. Pada 6 Ogos, Huawei mengadakan persidangan pelancaran produk baharu Hongmeng Smart Xingxing S9 dan senario penuh Huawei, membawakan sedan perdana pintar panoramik Xiangjie S9, M7Pro dan Huawei novaFlip baharu, MatePad Pro 12.2 inci, MatePad Air baharu, Huawei Bisheng With banyak produk pintar semua senario baharu termasuk pencetak laser siri X1, FreeBuds6i, WATCHFIT3 dan skrin pintar S5Pro, daripada perjalanan pintar, pejabat pintar kepada pakaian pintar, Huawei terus membina ekosistem pintar senario penuh untuk membawa pengguna pengalaman pintar Internet Segala-galanya. Hongmeng Zhixing: Pemerkasaan mendalam untuk menggalakkan peningkatan industri kereta pintar Huawei berganding bahu dengan rakan industri automotif China untuk menyediakan

Diuji 7 artifak penjanaan video 'peringkat Sora' Siapa yang mempunyai keupayaan untuk naik ke 'Takhta Besi'? Diuji 7 artifak penjanaan video 'peringkat Sora' Siapa yang mempunyai keupayaan untuk naik ke 'Takhta Besi'? Aug 05, 2024 pm 07:19 PM

Editor Laporan Kuasa Mesin: Yang Wen Siapa yang boleh menjadi Raja kalangan video AI? Dalam siri TV Amerika "Game of Thrones", terdapat "Iron Throne". Legenda mengatakan bahawa ia dibuat oleh naga gergasi "Black Death" yang meleburkan ribuan pedang yang dibuang oleh musuh, melambangkan kuasa tertinggi. Untuk duduk di atas kerusi besi ini, keluarga utama mula bergaduh dan bergaduh. Sejak kemunculan Sora, "Game of Thrones" telah dilancarkan dalam bulatan video AI Pemain utama dalam permainan ini termasuk RunwayGen-3 dan Luma dari seberang lautan, serta Kuaishou Keling domestik, ByteDream, dan Zhimo Spectrum Qingying, Vidu, PixVerseV2, dsb. Hari ini kita akan menilai dan melihat siapa yang layak untuk duduk di "Takhta Besi" bulatan video AI. -1- Video Vincent

See all articles