资讯
近日，腾讯混元团队携手中山大学及香港科技大学，共同发布了突破性图生视频创作模型——"Follow-Your-Pose-v2"。该模型标志着视频生成技术的重大飞跃，成功实现了从个体到群体的拓展，能够精准解析多人场景照片，并赋予照片中每个人物以生动的动态效果，共同演绎流畅自然的视频片段。
主要亮点：
支持多人视频动作生成：在推理耗时更少的情况下，实现多人视频动作的生成。
强泛化能力：无论年龄、服装、人种、背景杂乱程度或动作复杂性如何，都能生成高质量视频。
日常生活照/视频可用：模型训练及生成可以使用日常生活照（包括抓拍）或视频，无需寻找高质量图片/视频。
正确处理人物遮挡：面对单张图片上多个人物躯体相互遮挡的问题，能生成具有正确前后关系的遮挡画面。
技术实现方面：
模型利用"光流指导器"引入背景光流信息，即使在相机抖动或背景不稳定的情况下，也能生成稳定背景动画。
通过"推理图指导器"和"深度图指导器"，模型能更好地理解图片中的人物空间信息和多角色的空间位置关系，有效解决多角色动画和身体遮挡问题。
评估与比较：
团队提出了一个新的基准Multi-Character，包含约4000帧多角色视频，用以评估多角色生成效果。
实验结果显示，"Follow-Your-Pose-v2"在两个公共数据集（TikTok和TED演讲）和7个指标上的性能均优于最新技术35%以上。
应用前景：
图像到视频生成技术在电影内容制作、增强现实、游戏制作及广告等多个行业有着广泛的应用前景，是2024年备受关注的AI技术之一。
其他信息：
腾讯混元团队还公布了文生图开源大模型（混元DiT）的加速库，大幅提升推理效率，生图时间缩短75%。
混元DiT模型的使用门槛降低，用户可以在Hugging Face的官方模型库中用三行代码调用模型。
文明上网，理性发言，共同做网络文明传播者