一句话就能魔改视频主角,谷歌新「AI导演」惊呆网友:画质太赞了

  Alex 发自凹非寺

  量子位公众号 QbitAI

  谷歌整出了个新“AI 导演”,一句话甚至能把视频主角给换了。

  瞧,青青草地上,一只小熊正在跳舞。

  难道现在的熊都这么有艺术细胞了嘛??

  No,No,No!草地上原有的其实是只猴子。

  要从猴变熊,只用跟这个 AI 说一句:一只小熊随着音乐节拍跳着舞,扭动他的整个身子。(A bear dancing and jumping to upbeat music, moving his whole body)

  而除了会“魔改”视频,这个名为 Dreamix 的 AI 还能把静态图片变成动画——也是一句话就搞定。

  比如给此 AI 看一张“海龟游泳照”,再告诉它:水下拍到一只海龟在游泳,后面有只鲨鱼正在靠近。(Underwater shot of a sea turle with a shark apporching from behind)

  一句话不仅让海龟游起来了,还凭空加了条鲨鱼。

  这效果让不少围观网友都纷纷点赞。

  有人甚至断言,AIGC 将在接下的两年时间继续掀起热潮,甚至比千禧年间的发展更加疯狂。

  导演视频,只用一句话

  一经公开就能受到盛赞,这个 AI 究竟如何?不妨再看看其更多的“导演”作品来感受一下。

  首先,在更换视频角色方面,这是原本的田野:

  这是 AI 放火烧掉的田野:

  这是人的手在写字:

  这是 AI 生成的机器人手在写字:

  同样以人写字的视频为原型,如果把提示句子换成“人的手在画圆”,还会有不同的生成效果:

  而在静态图变动画方面,原图是雾蒙蒙的丛林:

  而 AI 给这片林子加了一只奔跑的独角兽,而且镜头还按句子提示给拉远了。

  还有这样一张河谷风景图:

  AI 不仅让溪水流动起来,还给岸边加上了来洗澡水牛,给天空加上了飞翔的小鸟。

  看到这里,有人可能会觉得欠点火候:动画倒是做出来了,但画质也牺牲了挺多啊。

  那不妨多给 AI 看几张图。

  比如一口气给 AI 看 7 张玩具火警的照片:

  然后再让它根据一句话生成视频,这下画质就会清楚很多。

  至于这个”AI 导演”是怎么做的,谷歌表示,关键在于“老朋友”扩散模型(Diffusion Model)。

  扩散模型,也是火出圈的 AIGC 作画神器 DALL·E 2 的核心。

  谷歌研究人员指出,其实之前已有类似的“文字生成视频”AI 了,但若仅仅在输入视频上对视频扩散模型进行微调,会限制运动变化的程度。

  而此 AI 与众不同之处在于:

  团队使用了一个“混合目标”,除了对原始目标进行微调外,还会对无序帧集进行微调。

  他们采用了一种深度学习中专门的注意力机制:Masked Temporal Attention,帮助模型专注于输入信息的特定部分,忽略其他无关的部分。

  ——这提高了模型处理序列数据的能力,生成视频中的动态更多样化,且效果也比较自然。

  在扩散模型和 Masked Temporal Attention 的加持下,对于更换视频主角来说,输入其实已经被省略了——只需进行微调,结果的保真度也相当不错。