Perception-as-Control – 阿里通義實驗室推出的圖像動畫框架

Perception-as-Control是什么

Perception-as-Control是阿里巴巴通義實驗室推出的一種先進圖像動畫框架，旨在根據用戶的需求實現對的精細控制。該框架通過構建3D感知表示，將相機和物體的轉化為直觀且一致的視覺效果，利用感知結果作為控制信號，支持多種與相關的視頻合成任務。Perception-as-Control采用基于U-Net架構的擴散模型，結合參考圖像的外觀信息與控制信號，生成可控的圖像動畫。此外，該框架實施了三階段訓練策略，以平衡相機與物體的控制，展現出卓越的表現。

Perception-as-Control的主要功能

• 細致的協同控制：實現相機與物體的協同控制，使用戶能夠以細致的方式調整動畫中的各個元素，從而精準地操控場景中的物體及相機視角的變化。
• 多樣化的相關視頻合成任務：支持多種相關的視頻合成任務，包括圖像基礎的生成、視頻克隆、轉移及編輯。
  • 生成：根據用戶提供的參考圖像和2D軌跡生成動畫。
  • 克隆：復刻源視頻中的相機和物體。
  • 轉移：將源視頻中的局部遷移到參考圖像中不同位置和大小的對象上。
  • 編輯：用戶提供分割掩碼，編輯掩碼內的。
• 3D感知表示：通過構建3D感知表示，將復雜的3D場景簡化為關鍵對象部分（以單位球表示）和世界包絡，實現直觀且一致的視覺效果。

Perception-as-Control的技術原理

• 3D感知表示：將3D場景簡化為關鍵對象部分（以單位球表示）和世界包絡，利用3D點跟蹤和視覺里程計技術捕捉局部物體與全局相機。
• 網絡架構：基于去噪U-Net架構，采用兩個輕量級編碼器分別編碼相機和物體的控制信號，避免RGB級別的干擾，并通過融合模塊合并編碼信號。
• 參考圖像注入：ReferenceNet將參考圖像的外觀信息注入生成過程，確保生成的視頻保留參考圖像的特定外觀。
• 三階段訓練策略：
  • 第一階段：僅訓練相機編碼器，處理只包含相機的視頻剪輯。
  • 第二階段：引入物體編碼器和融合模塊，處理包含相機和物體的視頻剪輯。
  • 第三階段：基于稀疏單位球實現精細的物體控制，自適應確定每個渲染點的控制范圍。
• 擴散模型：利用圖像擴散概率模型的基本原理，采用去噪U-Net架構生成視頻，優化目標為最小化預測噪聲與實際噪聲之間的差異，條件輸入包括參考圖像和控制信號。

Perception-as-Control的項目地址

• 項目官網：https://chen-yingjie.github.io/projects/Perception-as-Control/
• GitHub倉庫：https://github.com/chen-yingjie/Perception-as-Control
• arXiv技術論文：https://arxiv.org/pdf/2501.05020

Perception-as-Control的應用場景

• 電影與視頻特效：生成具有特定的動畫場景，模仿現有視頻中的復雜，或將一個角色的轉移到另一個角色上。
• 游戲開發：為游戲角色和物體創造自然且可控的動畫，提升游戲的沉浸感與動態效果。
• 虛擬現實（VR）和增強現實（AR）：在VR環境中生成實時動畫反饋，增強用戶的互動體驗；在AR應用中將虛擬物體動畫與現實場景相結合。
• 廣告與營銷：生成引人注目的動態廣告和品牌推廣動畫，提升品牌形象和記憶點。
• 教育與培訓：生成科學實驗動畫和技能培訓模擬動畫，幫助學生和學員更好地理解和掌握知識與技能。