一張圖即出AI視頻！谷歌全新擴散模型，讓人物動起來

AIGC動態歡迎閱讀

原標題：一張圖即出AI視頻！谷歌全新擴散模型，讓人物動起來
關鍵字：模型,視頻,圖像,音頻,身體
文章來源：新智元
內容字數：4973字

內容摘要：

新智元報道編輯：alan
【新智元導讀】近日，來自谷歌的研究人員發布了多模態擴散模型VLOGGER，只需一張照片，和一段音頻，就能直接生物說話的視頻！只需一張照片，和一段音頻，就能直接生物說話的視頻！
近日，來自谷歌的研究人員發布了多模態擴散模型VLOGGER，讓我們朝著虛擬數字人又邁進了一步。
論文地址：https://enriccorona.github.io/vlogger/paper.pdf
VLOGGER接收單個輸入圖像，使用文本或者音頻驅動，生類說話的視頻，包括口型、表情、肢體動作等都非常自然。
我們先來看幾個例子：如果感覺視頻使用別人的聲音有點違和，小編幫你關掉聲音：
可以看出整個生成的效果是非常優雅自然的。
VLOGGER建立在最近生成擴散模型的成功之上，包括一個將人類轉成3D的模型，以及一個基于擴散的新架構，用于通過時間和空間控制，增強文本生成圖像的效果。
VLOGGER可以生成可變長度的高質量視頻，并且這些視頻可以通過人臉和身體的高級表示輕松控制。
比如我們可以讓生成視頻中的人閉上嘴：
或者閉上雙眼：
與之前的同類模型相比，VLOGGER不需要針對

原文鏈接：一張圖即出AI視頻！谷歌全新擴散模型，讓人物動起來

聯系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。