VToonify: En AI-modell i realtid för att generera konstnärliga porträttvideor
I korthet
Ett revolutionerande VToonify-ramverk har utvecklats av utvecklare för att tillhandahålla kontrollerade, högupplösta porträttvideoformatsöverföringar.
För att producera fantastiska konstnärliga porträtt använder ramverket StyleGAN:s mellan- och högupplösta lager.
Det tillåter utökning av befintlig StyleGAN-baserad bildtonifieringsmodeller till video.
Forskare från Nanyang Technological University har introducerade ett nytt ramverk för VToonify för att generera kontrollerbar högupplöst överföring av porträttvideo. VToonify utnyttjar mellan- och högupplösta lager i StyleGAN för att återge högkvalitativa konstnärliga porträtt baserat på flerskaliga innehållsfunktioner som extraheras av en kodare för att bättre bevara ramdetaljer. Experimentella resultat visar att vårt ramverk kan generera videor med konsekvent hög kvalitet och önskade ansiktsuttryck utan behov av ansiktsjustering eller ramstorleksbegränsningar.
Som ett resultat producerar en helt konvolutionerande arkitektur som accepterar icke-justerade ansikten i videor av olika storlekar kompletta ansikten med organiska rörelser. VToonify-ramverket ärver tilltalande egenskaper hos dessa modeller för flexibel stilkontroll på färg och intensitet. Den är kompatibel med befintliga StyleGAN-baserade bildvisningsmodeller för att utöka dem till videovisning. Detta arbete introducerar två instansieringar av VToonify för samlingsbaserad respektive exemplarbaserad porträttvideostilsöverföring, byggd på Toonify och DualStyleGAN.
Omfattande experimentella rön visar att det föreslagna VToonify-ramverket överträffar konkurrerande metoder när det gäller att producera konstnärliga porträttfilmer med justerbara stilkontroller som är av utmärkt kvalitet och tidsmässigt konsekventa. Kontrollera GitHub för mer detaljer.
Relaterad artikel: OpenAI arbetar med att skapa en AI-modell för video |
För att ge en kontrollerbar högupplöst porträttvideostilsöverföring, kombinerar VToonify fördelarna med bildöversättningsramverket och det StyleGAN-baserade ramverket.
(A) För att stödja variabel inmatningsstorlek använder ett bildöversättningssystem helt konvolutionerande nätverk. Det är dock utmanande att förmedla högupplöst och kontrollerad stil när man undervisar från grunden.
(B) StyleGAN-baserat ramverk, som endast stöder fast bildstorlek och detaljförluster, använder den förtränade StyleGAN-modellen för högupplöst och kontrollerbar stilöverföring.
(C) För att skapa en helt konvolutionell kodar-generatorarkitektur som liknar bildöversättningsramverket, utökar vårt hybridsystem StyleGAN genom att ta bort dess inmatningsfunktion med fast storlek och lågupplösta lager.
För att bevara ramdetaljer tränar utvecklare en kodare för att extrahera flerskaliga innehållsfunktioner från inmatningsramen som ett ytterligare innehållsvillkor. VToonify ärver StyleGAN-modellens stilkontrollflexibilitet genom att lägga in den i generatorn för att destillera både dess data och modell.
VToonify-ramverket ärver de tilltalande egenskaperna för flexibel stilkontroll från de nuvarande StyleGAN-baserade bildtonifieringsmodellerna och är kompatibel med dem för att utöka dem till video- tonifiering. Vår VToonify erbjuder följande med DualStyleGAN-modellen som StyleGAN-grunden:
- Överföring av stil från exemplarbaserade strukturer;
- Ändring av stilgrad;
- Överföring av färgstil baserat på exemplar.
Läs mer om AI:
Villkor
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
fler artiklarDamir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.