Alex 发自 凹非寺

量子位 | 公众号 QbitAI

(资料图片)

谷歌整出了个新 “AI导演” ， 一句话甚至能把视频主角给换了 。

瞧，青青草地上，一只小熊正在跳舞。

难道现在的熊都这么有艺术细胞了嘛？？

No，No，No！草地上原有的其实是只猴子。

要从猴变熊，只用跟这个AI说一句：

一只小熊随着音乐节拍跳着舞，扭动他的整个身子。（A bear dancing and jumping to upbeat music, moving his whole body）

而除了会“魔改”视频，这个名为 Dreamix 的AI还能把静态图片变成动画—— 也是一句话就搞定 。

比如给此AI看一张“海龟游泳照”，再告诉它：

水下拍到一只海龟在游泳，后面有只鲨鱼正在靠近。 （Underwater shot of a sea turle with a shark apporching from behind）

一句话不仅让海龟游起来了，还凭空加了条鲨鱼。

这效果让不少围观网友都纷纷点赞。

有人甚至断言，AIGC将在接下的两年时间继续掀起热潮，甚至比千禧年间的发展更加疯狂。

导演视频，只用一句话

一经公开就能受到盛赞，这个AI究竟如何？不妨再看看其更多的“导演”作品来感受一下。

首先，在 更换视频角色 方面，这是原本的田野：

这是AI放火烧掉的田野：

这是人的手在写字：

这是AI生成的机器人手在写字：

同样以人写字的视频为原型，如果把提示句子换成“人的手在画圆”，还会有不同的生成效果：

而在 静态图变动画 方面，原图是雾蒙蒙的丛林：

而AI给这片林子加了一只奔跑的独角兽，而且镜头还按句子提示给拉远了。

还有这样一张河谷风景图：

AI不仅让溪水流动起来，还给岸边加上了来洗澡水牛，给天空加上了飞翔的小鸟。

看到这里，有人可能会觉得欠点火候：动画倒是做出来了，但画质也牺牲了挺多啊。

那不妨多给AI看几张图。

比如一口气给AI看7张玩具火警的照片：

然后再让它根据一句话生成视频，这下画质就会清楚很多。

至于这个”AI导演”是怎么做的，谷歌表示，关键在于“老朋友” 扩散模型 （Diffusion Model） 。

扩散模型，也是火出圈的AIGC作画神器 DALL·E 2 的核心。

谷歌研究人员指出，其实之前已有类似的“文字生成视频”AI了，但若仅仅在输入视频上对视频扩散模型进行微调，会限制运动变化的程度。

而此AI与众不同之处在于：

团队使用了一个 “混合目标” ，除了对原始目标进行微调外，还会对无序帧集进行微调。

他们采用了一种深度学习中专门的注意力机制：Masked Temporal Attention，帮助模型专注于输入信息的特定部分，忽略其他无关的部分。

——这提高了模型处理序列数据的能力，生成视频中的动态更多样化，且效果也比较自然。

在扩散模型和Masked Temporal Attention的加持下，对于更换视频主角来说，输入其实已经被省略了——只需进行微调，结果的保真度也相当不错。

参考链接： [1] https://dreamix-video-editing.github.io/ [2] https://www.youtube.com/watch?v=QWUmk6GuqIQ [3] https://www.reddit.com/r/MachineLearning/comments/10tovhn/n_r_google_announces_dreamix_a_model_that/

— 完 —

量子位 QbitAI · 头条号签约

关注我们，第一时间获知前沿科技动态

关键词： 进行微调 与众不同 音乐节拍