登录注册

当前位置：首页 > 文章列表 > 科技周边 > 人工智能 > 轻松生成3D视频，仅需一张图片和一句动作指令，Animate124即可实现

轻松生成3D视频，仅需一张图片和一句动作指令，Animate124即可实现

来源：机器之心 2024-02-06 14:37:05 0浏览 收藏

“纵有疾风来，人生不言弃”，这句话送给正在学习科技周边的朋友们，也希望在阅读本文《轻松生成3D视频，仅需一张图片和一句动作指令，Animate124即可实现》后，能够真的帮助到大家。我也会在后续的文章中，陆续更新科技周边相关的技术文章，有好的建议欢迎大家在评论留言，非常感谢！

Animate124，轻松将单张图片变成 3D 视频。

近一年来，DreamFusion 引领了一个新潮流，即 3D 静态物体与场景的生成，这在生成技术领域引发了广泛关注。回顾过去一年，我们见证了 3D 静态生成技术在质量和控制性方面的显著进步。技术发展从基于文本的生成起步，逐渐融入单视角图像，进而发展到整合多种控制信号。

与此相较，3D 动态场景生成仍处于起步阶段。2023 年初，Meta 推出了 MAV3D，标志着首次尝试基于文本生成 3D 视频。然而，受限于开源视频生成模型的缺乏，这一领域的进展相对缓慢。

然而，现在，基于图文结合的 3D 视频生成技术已经问世！

尽管基于文本的 3D 视频生成能够产生多样化的内容，但在控制物体的细节和姿态方面仍有局限。在 3D 静态生成领域，使用单张图片作为输入已经能够有效重建 3D 物体。由此受到启发，来自新加坡国立大学（NUS）和华为的研究团队提出了 Animate124 模型。该模型结合单张图片和相应的动作描述，实现了对 3D 视频生成的精准控制。

只需一张图片、一句动作指令，Animate124轻松生成3D视频

  • 项目主页: https://animate124.github.io/
  • 论文地址: https://arxiv.org/abs/2311.14603
  • Code: https://github.com/HeliosZhao/Animate124

只需一张图片、一句动作指令，Animate124轻松生成3D视频

核心方法

方法概括

根据静态和动态，粗糙和精细优化，本文将 3D 视频生成分为了 3 个阶段：1）静态生成阶段：使用文生图和 3D 图生图扩散模型，从单张图像生成 3D 物体；2）动态粗糙生成阶段：使用文生视频模型，根据语言描述优化动作；3) 语义优化阶段：额外使用个性化微调的 ControlNet，对第二阶段语言描述对外观造成的偏移进行优化改善。

只需一张图片、一句动作指令，Animate124轻松生成3D视频

图 1. 整体框架

静态生成

本文延续 Magic123 的方法，使用文生图（Stable Diffusion）和 3D 图生图（Zero-1-to-3）进行基于图片的静态物体生成：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

对于条件图片所对应的视角，额外使用损失函数进行优化：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

通过上述两个优化目标，得到多视角 3D 一致的静态物体（此阶段在框架图中省略）。

动态粗糙生成

此阶段主要使用文生视频扩散模型，将静态 3D 视为初始帧，根据语言描述生成动作。具体来说，动态 3D 模型（dynamic NeRF）渲染连续时间戳的多帧视频，并将此视频输入文生视频扩散模型，采用 SDS 蒸馏损失对动态 3D 模型进行优化：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

仅使用文生视频的蒸馏损失会导致 3D 模型遗忘图片的内容，并且随机采样会导致视频的初始和结束阶段训练不充分。因此，本文的研究者们对开始和结束的时间戳进行过采样。并且，在采样初始帧时，额外使用静态函数进行优化（3D 图生图的 SDS 蒸馏损失）：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

因此，此阶段的损失函数为：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

语义优化

即使采用了初始帧过采样并且对其额外监督，在使用文生视频扩散模型的优化过程中，物体的外观仍然会受到文本的影响，从而偏移参考图片。因此，本文提出了语义优化阶段，通过个性化模型对语义偏移进行改善。

由于仅有单张图片，无法对文生视频模型进行个性化训练，本文引入了基于图文的扩散模型，并对此扩散模型进行个性化微调。此扩散模型应不改变原有视频的内容和动作，仅对外观进行调整。因此，本文采用 ControlNet-Tile 图文模型，使用上一阶段生成的视频帧作为条件，根据语言进行优化。ControlNet 基于 Stable Diffusion 模型，只需要对 Stable Diffusion 进行个性化微调（Textual Inversion），即可提取参考图像中的语义信息。个性化微调之后，将视频视为多帧图像，使用 ControlNet 对单个图像进行监督：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

另外，因为 ControlNet 使用粗糙的图片作为条件，classifier-free guidance (CFG) 可以使用正常范围（10 左右），而不用与文生图以及文生视频模型一样使用极大的数值（通常是 100）。过大的 CFG 会导致图像过饱和，因此，使用 ControlNet 扩散模型可以缓解过饱和现象，实现更优的生成结果。此阶段的监督由动态阶段的损失和 ControlNet 监督联合而成：

只需一张图片、一句动作指令，Animate124轻松生成3D视频

实验结果

作为第一个基于图文的 3D 视频生成模型，本文与两个 baseline 模型和 MAV3D 进行了比较。与其他方法相比，Animate124 有更好的效果。

可视化结果比较

只需一张图片、一句动作指令，Animate124轻松生成3D视频

图 2. Animate124 与两个 baseline 比较

只需一张图片、一句动作指令，Animate124轻松生成3D视频

图 3.1. Animate124 与 MAV3D 文生 3D 视频比较

只需一张图片、一句动作指令，Animate124轻松生成3D视频

图 3.1. Animate124 与 MAV3D 图生 3D 视频比较

量化结果比较

本文使用 CLIP 和人工评价生成的质量，CLIP 指标包括与文本的相似度和检索准确率，与图片的相似度，以及时域一致性。人工评价指标包括与文本的相似度，与图片的相似度，视频质量，动作真实程度以及动作幅度。人工评价表现为单个模型与 Animate124 在对应指标上选择的比例。

与两个 baseline 模型相比，Animate124 在 CLIP 和人工评价上均取得更好的效果。

只需一张图片、一句动作指令，Animate124轻松生成3D视频

表 1. Animate124 与两个 baseline 量化比较

总结

Animate124 是首个根据文本描述，将任意图片变成 3D 视频的方法。其采用多种扩散模型进行监督和引导，优化 4D 动态表征网络，从而生成高质量 3D 视频。

今天关于《轻松生成3D视频，仅需一张图片和一句动作指令，Animate124即可实现》的内容介绍就到此结束，如果有什么疑问或者建议，可以在golang学习网公众号下多多回复交流；文中若有不正之处，也希望回复留言以告知！

产业 3D 视频生成
版本声明
本文转载于：机器之心 如有侵犯，请联系study_golang@163.com删除
win10设备管理器缺乏生物认证功能win10设备管理器缺乏生物认证功能
上一篇
win10设备管理器缺乏生物认证功能
如何纠正Win11天气预报的定位错误
下一篇
如何纠正Win11天气预报的定位错误
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • ljg-skills -
    ljg-skills
    ljg-skills 是李继刚开源的 AI 技能与提示词集合，面向大模型使用者整理了一批可复用的 prompt、角色设定和任务技能模板，适合用于学习提示词设计、搭建个人 AI 工作流和沉淀团队常用智能体能力。
    5313次使用
  • MELO音乐 - AI 音乐生成平台，支持多模态创作能力
    MELO音乐
    MELO音乐是一站式AI视频与音乐制作助手，对标suno, udio的高品质体验。提供伴奏生成、原创写词、无损导出、哼唱识曲、混音变声等全套音频与短视频编辑工具。无论是流行Kpop、电音说唱、民谣古风、摇滚儿歌还是商用轻音乐，MELO为你免费谱曲，轻松做同款！
    4831次使用
  • UniScribe - AI 免费在线音视频转文字平台
    UniScribe
    UniScribe 是一款 AI 音视频转文字与内容整理工具，支持上传音频、视频文件或粘贴 YouTube 链接，自动生成转写文本、摘要、思维导图和关键问题，并支持多格式导出，适合会议记录、课程学习、访谈整理和内容创作复盘。
    4771次使用
  • 剧云 - 免费 AI 智能中文剧本创作平台
    剧云
    剧云是专业中文剧本创作平台，安全稳定运行十余年，集成AI编剧、剧本医生审核、人物小传、剧情关系图、大纲编写、多人协作、Word导入导出、版权管控功能，数据安全防护，轻松高效创作剧本。
    5032次使用
  • 万象有声 - AI 一站式有声内容创作平台
    万象有声
    万象有声，一个专为有声创作者打造的新一代智能有声内容创作平台。平台提供专业的智能拆章、智能画本编辑、AI配音、AI生成音效、后期制作、智能对轨、智能审听等有声创作全流程工具，可以帮助创作者高效、低成本创作出引人入胜的有声作品。立即体验，让有声书制作更简单！
    4978次使用
查看更多
相关文章
关于我们 免责声明 意见反馈 联系我们 内容提交 手册
Golang学习网：公益在线Go学习平台，帮助Go学习者快速成长！
技术交流群
Copyright 2023 http://www.17golang.com/ All Rights Reserved ｜ 湘ICP备19018815号-4
  • Golang学习网
    关注公众号
    Golang学习网
微信登录更方便
  • 密码登录
  • 注册账号
忘记密码
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码
发送验证码