弥补2D拖拽缺陷！南大&蚂蚁等重磅开源LeviTor：首次引入3D目标轨迹控制，效果惊艳

文章主旨：

LeviTor是一种将深度信息与K-means聚类结合的技术，创新性地实现了3D轨迹控制，简化了图像到视频合成中的复杂交互过程。

关键要点：

• LeviTor通过结合深度信息和K-means聚类点，无需显式估计3D轨迹即可实现物体运动控制。
• 采用高质量的SAV数据集进行训练，捕捉多样场景中的复杂物体运动与交互。
• 开发用户友好的推理管道，支持绘制2D点并调整深度值以生成3D轨迹。
• 在图像到视频合成中首次实现3D物体轨迹控制，解决了现有方法无法处理平面外运动的问题。
• 模型表现出更高的生成质量和运动控制能力，与传统方法相比具有显著优势。

内容结构：

• 解决的问题：

  现有2D拖拽方法无法有效处理平面外运动，导致图像到视频合成中的物体轨迹控制存在局限性。

• 提出的方案：
  • 引入深度维度，通过K-means聚类点简化物体mask的复杂输入。
  • 结合深度信息与聚类点生成控制信号，以实现3D轨迹控制。
• 应用的技术：
  • LeviTor方法：结合深度信息和K-means聚类点实现轨迹控制。
  • SAV数据集训练：捕捉物体运动的多样性和复杂交互。
  • 用户友好型推理管道：支持简单交互输入3D轨迹。
• 实验与评估：
  • 实验结果显示，LeviTor在视频质量(FVD)、图像质量(FID)和运动可控性方面表现优越。
  • 对比传统方法，LeviTor能够精确处理物体遮挡、深度变化和复杂轨迹。
• 结论：

  LeviTor通过深度信息与聚类点为控制信号简化了3D轨迹输入，显著提升了图像到视频合成的质量与交互易用性，并为未来研究提供了技术基础。

文章总结：

LeviTor是一种创新且高效的技术，解决了图像到视频合成中的3D轨迹控制难题，为相关领域的研究和应用提供了新的思路。

第一批用AI的打工人已经被折磨疯了

了解更多

AI生成未来

查看原文：弥补2D拖拽缺陷！南大&蚂蚁等重磅开源LeviTor：首次引入3D目标轨迹控制，效果惊艳

文章来源：

AI生成未来

扫码关注公众号