LeviTor：蚂蚁集团开源3D目标轨迹控制视频合成技术，能够控制视频中3D物体的运动轨迹

蚝油菜花
489 阅读4分钟

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

  1. 技术背景：LeviTor结合深度信息和K-means聚类点控制视频中3D物体的轨迹，无需显式的3D轨迹跟踪。
  2. 主要功能：精确操控物体运动、增强创意应用、简化用户输入、自动提取深度信息和物体掩码。
  3. 应用场景：适用于电影特效、游戏动画、虚拟现实、增强现实和广告视频制作等多个领域。

正文（附运行示例）

LeviTor 是什么

公众号: 蚝油菜花 - LeviTor

LeviTor是由南京大学、蚂蚁集团、浙江大学等机构联合推出的图像到视频合成技术。该技术结合了深度信息和K-means聚类点，能够控制视频中3D物体的轨迹，而无需显式的3D轨迹跟踪。LeviTor使用高质量的视频对象分割数据集进行训练，能够有效捕捉复杂场景中的物体运动和交互。

通过用户友好的推理流程，LeviTor简化了3D轨迹输入，使得视频生成技术更加先进和易用。它的引入为3D物体轨迹控制铺平了道路，拓宽了创意应用的范围，适用于更广泛的用户群体。

LeviTor 的主要功能

  • 精确操控物体运动：在从静态图像生成视频时，精确控制物体的运动轨迹。
  • 增强创意应用：基于3D轨迹控制，拓宽视频合成的创意应用范围。
  • 简化用户输入：用户可以通过简单的2D图像上的绘制和深度调整输入3D轨迹，降低技术门槛。
  • 自动提取深度信息和物体掩码：系统自动从图像中提取深度信息和物体掩码，减少用户操作。
  • 交互式轨迹绘制：用户可以交互式地绘制物体轨迹，系统将其解释为3D路径。

LeviTor 的技术原理

  • K-means聚类：对视频对象掩码（mask）的像素进行K-means聚类，得到一组代表性的控制点。
  • 深度信息融合：深度估计网络DepthAnythingV2预测相对深度图，并在每个控制点采样深度，为控制点增添深度信息。
  • 控制信号构建：结合2D坐标和估计的深度值，构建控制轨迹，轨迹作为视频扩散模型的控制信号。
  • 视频扩散模型：将控制信号输入到视频扩散模型中，生成与3D轨迹对齐的视频。
  • 用户友好的推理流程：设计用户友好的交互系统，用户通过点击和调整深度值输入3D轨迹。

如何运行 LeviTor

环境设置

  1. 克隆仓库：
git clone https://github.com/qiuyu96/LeviTor.git
cd LeviTor
  1. 下载并解压检查点： 创建checkpoints目录并下载相关检查点文件：
mkdir checkpoints
cd checkpoints

下载以下文件：

确保所有检查点文件位于checkpoints目录下：

checkpoints/
|-- sam_vit_h_4b8939.pth
|-- depth_anything_v2_vitl.pth
|-- stable-video-diffusion-img2vid-xt/
|-- LeviTor/
    |-- random_states_0.pkl
    |-- scaler.pt
    |-- scheduler.bin
    |-- controlnet/
    |-- unet/

3. 创建环境：

conda create -n LeviTor python=3.9 -y
conda activate LeviTor
  1. 安装依赖包：
pip install -r requirements.txt
  1. 安装pytorch3d：
pip install "git+https://github.com/facebookresearch/pytorch3d.git"
  1. 安装gradio：
pip install gradio==4.36.1
  1. 运行LeviTor：
python gradio_demo/gradio_run.py \
--frame_interval 1 \
--num_frames 16 \
--pretrained_model_name_or_path checkpoints/stable-video-diffusion-img2vid-xt \
--resume_from_checkpoint checkpoints/LeviTor \
--width 288 \
--height 512 \
--seed 217113 \
--mixed_precision fp16 \
--enable_xformers_memory_efficient_attention \
--output_dir ./outputs \
--gaussian_r 10 \
--sam_path checkpoints/sam_vit_h_4b8939.pth \
--depthanything_path checkpoints/depth_anything_v2_vitl.pth

资源

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日跟你分享最新的 AI 资讯和开源应用，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

avatar
文章
阅读
粉丝