抽象
文本动画作为一种表达媒介，通过为文字注入动作来唤起情感、强调意义并构建引人入胜的叙事，将静态交流转化为动态体验。制作具有语义感知能力的动画带来了重大挑战，需要平面设计和动画方面的专业知识。我们提出了一种称为“动态排版”的自动文本动画方案，它结合了两项具有挑战性的任务。它使字母变形以传达语义含义，并根据用户提示为它们注入充满活力的动作。我们的技术利用矢量图形表示和基于端到端优化的框架。该框架采用神经位移场将字母转换为基本形状，并应用每帧运动，鼓励与预期的文本概念保持一致。在整个动画过程中，采用形状保留技术和感知损失正则化来保持可读性和结构完整性。我们展示了我们的方法在各种文本到视频模型中的通用性，并强调了我们的端到端方法优于基线方法，基线方法可能包含单独的任务。通过定量和定性评估，我们证明了我们的框架在生成连贯的文本动画方面的有效性，这些动画忠实地解释用户提示，同时保持可读性。
画廊
为什么选择SVG？
SVG 与分辨率无关，允许在任何分辨率下清晰缩放。它易于编辑，可以动态更改图形属性，如线条颜色、宽度和样式，增强交互性和个性化。
它是如何工作的？
原始输入字母初始化为一组连通的三次贝塞尔曲线，由一组控制点表示。我们的方法预测每个控制点在每帧的位移。
模型体系结构概述。给定一个表示为一组控制点的字母，基场将其变形为共享基形，从而设置添加每帧位移的阶段。然后，我们在 k 帧之间复制基形，并利用运动场来预测每个帧上每个控制点的位移，将运动注入基形。然后，每一帧都由可微光栅器 R 渲染并连接为输出视频。使用分数蒸馏采样，在可读性L可读性和结构保留L结构的正则化下，通过冷冻预训练视频基础模型的视频先验（LSDS）共同优化基础场和运动场。
比较
我们将我们的方法与三个基线模型进行了比较：两个基于像素的模型（t2v 模型 Gen-2、i2v 模型 DynamiCrafter）和一个基于矢量的动画模型（LiveSketch）。对于文本到视频的生成，我们在提示后附加“看起来像一个字母 §”，其中 § 表示要动画化的特定字母。在图像到视频的情况下，我们使用单词作为图像生成的程式化字母作为条件图像。在基于矢量的场景中，我们利用 LiveSketch 作为框架来制作矢量图像的动画。为了确保公平的比较，我们也根据单词即图像生成的程式化字母来调整动画。
