AIGC创业项目 姿态控制视频生成

2299未经授权,禁止转载
视频生成视频合成文本到图像生成姿态控制时间自注意力跨真字注意力卷积编码器两阶段训练数据集利用自然视频分析条件视频生成
为了解决生成文本可编辑和姿势可控角色视频的需求,我们设计了一种新颖的两阶段训练方案,通过图像姿势对和预训练文本到图像模型无缝结合,优化角色视频生成。首先,通过零初始化卷积编码器学习姿势信息编码实现文本到图像的可控生成。进一步,引入时间自注意力和改革后的跨真字注意力块对无姿势视频数据集进行时间连贯性的微调。我们的方法在概念生成和合成能力上继承了先前的T2I模型优势,并将其扩展到视频领域,能够生成连贯、姿势可控的角色视频。此外,该方法还能够支持其他条件视频生成任务,提高视频编辑和创造的灵活性。
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
ad
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
讲师头像
AIGC算法工程师
大厂AIGC算法工程师,中科院博士在读
TA的视频
接下来播放:
自动连播