抖音跳舞不用真人出鏡，一張照片就能生成高質(zhì)量視頻！字節(jié)新技術(shù)連抱抱臉CTO都下場(chǎng)體驗(yàn)了
看！現(xiàn)在正有四位小姐姐在你面前大秀熱舞：
以為是某些主播在短視頻平臺(tái)發(fā)布的作品？
No，No，No。
真實(shí)答案是：假的，生成的，而且還是只靠了一張圖的那種！
真實(shí)的打開方式是這樣的：
這就是來自新加坡國(guó)立大學(xué)和字節(jié)跳動(dòng)最新的一項(xiàng)研究，名叫MagicAnimate。
它的作用簡(jiǎn)單來說可以總結(jié)為一個(gè)公式：一張圖片 + 一組動(dòng)作 = 毫無違和感的視頻。
然后啊，這項(xiàng)技術(shù)一經(jīng)公布，可謂是在科技圈里掀起了不小的波瀾，眾多科技大佬和極客們紛紛下場(chǎng)耍了起來。
就連HuggingFace CTO都拿自己的頭像體驗(yàn)了一把：
順便還風(fēng)趣地開了句玩笑：
這算是健身了吧？我這周可以不去健身房了。
還有相當(dāng)與時(shí)俱進(jìn)的網(wǎng)友，拿著剛出爐的GTA6（俠盜獵車手6）預(yù)告片中的人物玩了一把：
甚至就連表情包們也成了網(wǎng)友們pick的對(duì)象……
MagicAnimate可以說是把科技圈的目光聚焦到了自己身上，因此也有網(wǎng)友調(diào)侃說：
OpenAI可以休息一下了。
火，著實(shí)是火。
一張圖即可生成一段舞
那么如此火爆的MagicAnimate，該如何“食用”？
話不多說，我們現(xiàn)在就來手把手地體驗(yàn)一次。
目前項(xiàng)目團(tuán)隊(duì)已經(jīng)在HuggingFace中開放了在線體驗(yàn)的頁(yè)面：
操作也是非常得簡(jiǎn)單，只需三步即可：
- 上傳一張靜態(tài)人物照片
- 上傳想要生成的動(dòng)作demo視頻
- 調(diào)整參數(shù)，點(diǎn)擊“Animate”即可
例如下面就是鄙人照片和一段近期席卷全球的《科目三》舞蹈片段：
△視頻源：抖音（ID：QC0217）
也可以選擇頁(yè)面下方提供的模版進(jìn)行體驗(yàn)：
不過需要注意的是，由于MagicAnimate目前過于火爆，在生成的過程中可能會(huì)出現(xiàn)“宕機(jī)”的情況：
即便成功“食用”，可能也得排大隊(duì)
……
（沒錯(cuò)！截至發(fā)稿，還是沒有等到結(jié)果?。?/span>
除此之外，MagicAnimate在GitHub中也給出了本地體驗(yàn)的方式，感興趣的小伙伴可以試試哦~
那么接下來的一個(gè)問題便是：
怎么做到的？
整體而言，MagicAnimate采用的是基于擴(kuò)散模型（diffusion）的一個(gè)框架，目的就是增強(qiáng)時(shí)間一致性、保持參考圖像的真實(shí)性，并提高動(dòng)畫保真度。
為此，團(tuán)隊(duì)首先開發(fā)了一個(gè)視頻擴(kuò)散模型（Temporal Consistency Modeling）來編碼時(shí)間信息。
這個(gè)模型通過在擴(kuò)散網(wǎng)絡(luò)中加入時(shí)間注意力模塊，來編碼時(shí)間信息，從而確保動(dòng)畫中各幀之間的時(shí)間一致性。
其次，為了保持幀間的外觀一致性，團(tuán)隊(duì)引入了一種新的外觀編碼器（Appearance Encoder）來保留參考圖像的復(fù)雜細(xì)節(jié)。
這個(gè)編碼器與以往使用CLIP編碼的方法不同，能夠提取密集的視覺特征來引導(dǎo)動(dòng)畫，從而更好地保留身份、背景和服裝等信息。
在這兩項(xiàng)創(chuàng)新技術(shù)的基礎(chǔ)之上，團(tuán)隊(duì)進(jìn)一步采用了一種簡(jiǎn)單的視頻融合技術(shù)（Video Fusion Technique）來促進(jìn)長(zhǎng)視頻動(dòng)畫的平滑過渡。
最終，在兩個(gè)基準(zhǔn)上的實(shí)驗(yàn)表明，MagicAnimate的結(jié)果要遠(yuǎn)優(yōu)于以往的方法。
尤其是在具有挑戰(zhàn)性的TikTok舞蹈數(shù)據(jù)集上，MagicAnimate在視頻保真度方面比最強(qiáng)基線高出38%以上！
團(tuán)隊(duì)所給出的定性比較如下：
以及與cross-ID的SOTA基線相比，結(jié)果如下：
One More Thing
不得不說，諸如MagicAnimate的項(xiàng)目最近著實(shí)是有點(diǎn)火爆。
這不，在它“出道”前不久，阿里團(tuán)隊(duì)也發(fā)布了一個(gè)名叫Animate Anyone的項(xiàng)目，同樣是只要“一張圖”和“想要的動(dòng)作”：
由此，也有網(wǎng)友發(fā)出了疑問：
這似乎是MagicAnimate和AnimateAnyone之間的戰(zhàn)爭(zhēng)。誰更勝一籌？
你覺得呢？
論文地址：https://arxiv.org/abs/2311.16498
