原文標(biāo)題：《一句話就能魔改視頻主角，谷歌新「AI 導(dǎo)演」驚呆網(wǎng)友：這畫質(zhì)也太贊了》
谷歌整出了個(gè)新“AI 導(dǎo)演”，一句話甚至能把視頻主角給換了。
你看，青青草地上，一只小熊正在跳舞。
難道現(xiàn)在的熊都這么有藝術(shù)細(xì)胞了嘛？？
No，No，No！草地上原有的其實(shí)是只猴子。
要從猴變熊，只用跟這個(gè) AI 說一句：
一只小熊隨著音樂節(jié)拍跳著舞，扭動他的整個(gè)身子。（A bear dancing and jumping to upbeat music, moving his whole body）
除了會“魔改”視頻，這個(gè)名為 Dreamix 的 AI 還能把靜態(tài)圖片變成動畫 —— 也是一句話就搞定。
比如給此 AI 看一張“海龜游泳照”，再告訴它：
水下拍到一只海龜在游泳，后面有只鯊魚正在靠近。（Underwater shot of a sea turle with a shark apporching from behind）
好家伙，一句話不僅讓海龜游起來了，還憑空加了條鯊魚。
這效果，讓不少圍觀網(wǎng)友都紛紛點(diǎn)贊。
有人甚至斷言，AIGC 將在接下的兩年時(shí)間繼續(xù)掀起熱潮，甚至比千禧年間的發(fā)展更加瘋狂。
導(dǎo)演視頻，只用一句話
一經(jīng)公開就能受到盛贊，這個(gè) AI 究竟如何？不妨再看看其更多的“導(dǎo)演”作品來感受一下。
首先，在更換視頻角色方面，這是原本的田野：
這是 AI 放火燒掉的田野：
這是人的手在寫字：
這是 AI 生成的機(jī)器人手在寫字：
同樣以人寫字的視頻為原型，如果把提示句子換成“人的手在畫圓”，還會有不同的生成效果：
而在靜態(tài)圖變動畫方面，原圖是霧蒙蒙的叢林：
而 AI 給這片林子加了一只奔跑的獨(dú)角獸，而且鏡頭還按句子提示給拉遠(yuǎn)了。
還有這樣一張河谷風(fēng)景圖：
AI 不僅讓溪水流動起來，還給岸邊加上了來洗澡水牛，給天空加上了飛翔的小鳥。
看到這里，有人可能會覺得欠點(diǎn)火候：動畫倒是做出來了，但畫質(zhì)也犧牲了挺多啊。
那不妨多給 AI 看幾張圖。
比如一口氣給 AI 看 7 張玩具火警的照片：
然后再讓它根據(jù)一句話生成視頻，這下畫質(zhì)就會清楚很多。
至于這個(gè)”AI 導(dǎo)演”是怎么做的，谷歌表示，關(guān)鍵在于“老朋友”擴(kuò)散模型 （Diffusion Model） 。
擴(kuò)散模型，也是火出圈的 AIGC 作畫神器 DALL·E 2 的核心。
谷歌研究人員指出，其實(shí)之前已有類似的“文字生成視頻”AI 了，但若僅僅在輸入視頻上對視頻擴(kuò)散模型進(jìn)行微調(diào)，會限制運(yùn)動變化的程度。
而此 AI 與眾不同之處在于：
團(tuán)隊(duì)使用了一個(gè)“混合目標(biāo)”，除了對原始目標(biāo)進(jìn)行微調(diào)外，還會對無序幀集進(jìn)行微調(diào)。
他們采用了一種深度學(xué)習(xí)中專門的注意力機(jī)制：Masked Temporal Attention，幫助模型專注于輸入信息的特定部分，忽略其他無關(guān)的部分。
—— 這提高了模型處理序列數(shù)據(jù)的能力，生成視頻中的動態(tài)更多樣化，且效果也比較自然。
在擴(kuò)散模型和 Masked Temporal Attention 的加持下，對于更換視頻主角來說，輸入其實(shí)已經(jīng)被省略了 —— 只需進(jìn)行微調(diào)，結(jié)果的保真度也相當(dāng)不錯(cuò)。
參考鏈接：
[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/
本文來自微信公眾號：量子位 （ID：QbitAI），作者：Alex
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。