2張圖就可生成一段逼真視頻，來自Stable Diffusion技術團隊
逼真絲滑，跟實拍一樣。
詹士 發(fā)自 凹非寺
量子位 | 公眾號 QbitAI
新魔法！效果炸！
兩張靜態(tài)圖片，幾秒即生成視頻，絲滑如實拍！
舉例來說，兩張狗子照片，就能讓它慢慢抬起頭，連身體也隨之伸展：
還是兩張照片，一鍵生成。
小女孩跳起，雙手自然交叉，衣服輕輕擺動，與實拍別無二致：
這些視頻由一個幀插值工具根據(jù)圖片生成，人人都能在線免費玩（鏈接見文末）。
這兩天剛公布就在網(wǎng)上引發(fā)不小關注，推特上like超過2500。
評論區(qū)里，網(wǎng)友一片喜大普奔。
有人感到大受震撼，鵝妹子嚶：
還有人表示，這是什么現(xiàn)代巫術：
當然，還有更多網(wǎng)友迫不及待想試試。
它究竟什么個來路？往下看。
Frame Interpolation試玩
先看看試玩效果。
登陸web端口，上傳兩張開花圖片：
設定好視頻時長，比如2秒，就能得到這一段視頻，花朵慢慢打開，鏡頭也逐漸拉近：
再試試兩張狗子照片，讓它轉(zhuǎn)個頭：
不過，上傳兩張鳥在天空不同位置飛的照片，效果就不ok了：
前文提及，該產(chǎn)品是一種幀插值（Frame Interpolation）工具。
所謂幀插值，即在視頻兩個幀之間，插入一部分新的合成幀，相關技術被廣泛應用于圖片生成視頻、視頻流中的幀修復。
谷歌今年有篇《大幅動作的幀插值》（About FILM: Frame Interpolation for Large Motion）已被ECCV 2022接收。
技術人員通過雙向運動估計、與尺度無關的特征提取等方式，做出了較好的幀插值效果。
就目前來說，該技術難以突破的點在于：
即便是短短幾秒，圖片中人物或物體也進行了一套復雜動作，使得幀插值后，視頻失真。
不過，如果不追求寫實，做出一些魔幻效果，該技術已經(jīng)綽綽有余（手動狗頭）：
△ 比如讓建筑變成變形金剛
背后團隊與Stable Diffusion有淵源
此番大火的幀插值工具背后團隊叫：Runway。
最近AIGC圈頂流，Stable Diffusion，所依據(jù)的論文《High-Resolution Image Synthesis with Latent Diffusion Models》正是由慕尼黑大學、海德堡大學及他們共同完成。
其中作者之一的Patrick Esser，也是Runway的首席科學家。
（值得一提的是，Patrick Esser及Runway前段時間還在與Stability AI因Stable Diffusion來回扯皮。）
根據(jù)公開資料，Runway成立于2018年，是一家希望用AI/ML與計算機圖形學技術在視頻、圖像、音樂、文本領域提供內(nèi)容創(chuàng)意工具的創(chuàng)業(yè)公司，總部位于美國紐約。
截至目前，該公司已總計獲得4550萬美元投資，投資方包括Coatue、Amplify、Lux、Compound等機構(gòu)。
Runway旗下產(chǎn)品涉及多個模態(tài)，不僅有開頭提及的靜態(tài)圖片生成絲滑視頻，也包括文本生成圖像、圖片移除背景、依靠文本對圖像修改、刪除視頻中物體、聲音去噪等等。
感興趣的朋友，可在他們的官網(wǎng)試玩。
附上鏈接：https://app.runwayml.com/video-tools
參考鏈接：
[1]https://weibo.com/tv/show/1034:4833638056132718?from=old_pc_videoshow
[2]https://app.runwayml.com/ai-tools/frame-interpolation
[3]https://twitter.com/runwayml/status/1587791749912662022
[4]https://github.com/runwayml/guided-inpainting
[5]https://arxiv.org/abs/2205.09731
— 完 —
量子位 QbitAI · 頭條號簽約
關注我們，第一時間獲知前沿科技動態(tài)
- 大數(shù)據(jù)已死！從業(yè)10年老哥爆文抨擊：這套唬不住客戶了2023-02-14
- ChatGPT五分鐘寫完插件，功能完善，還可加需求改BUG2023-02-09
- 谷歌創(chuàng)始人親自下場改代碼，ChatGPT讓谷歌真慌了2023-02-03
- 谷歌加緊測試ChatGPT競品，靠對話可搜最新信息2023-02-02
相關閱讀
