抖音跳舞不用真人出鏡，一張照片就能生成高質量視頻！字節新技術連抱抱臉CTO都下場體驗了
看！現在正有四位小姐姐在你面前大秀熱舞：
以為是某些主播在短視頻平臺發布的作品？
No，No，No。
真實答案是：假的，生成的，而且還是只靠了一張圖的那種！
真實的打開方式是這樣的：
這就是來自新加坡國立大學和字節跳動最新的一項研究，名叫MagicAnimate。
它的作用簡單來說可以總結為一個公式：一張圖片 + 一組動作 = 毫無違和感的視頻。
然后啊，這項技術一經公布，可謂是在科技圈里掀起了不小的波瀾，眾多科技大佬和極客們紛紛下場耍了起來。
就連HuggingFace CTO都拿自己的頭像體驗了一把：
順便還風趣地開了句玩笑：
這算是健身了吧？我這周可以不去健身房了。
還有相當與時俱進的網友，拿著剛出爐的GTA6（俠盜獵車手6）預告片中的人物玩了一把：
甚至就連表情包們也成了網友們pick的對象……
MagicAnimate可以說是把科技圈的目光聚焦到了自己身上，因此也有網友調侃說：
OpenAI可以休息一下了。
火，著實是火。
一張圖即可生成一段舞
那么如此火爆的MagicAnimate，該如何“食用”？
話不多說，我們現在就來手把手地體驗一次。
目前項目團隊已經在HuggingFace中開放了在線體驗的頁面：
操作也是非常得簡單，只需三步即可：
- 上傳一張靜態人物照片
- 上傳想要生成的動作demo視頻
- 調整參數，點擊“Animate”即可
例如下面就是鄙人照片和一段近期席卷全球的《科目三》舞蹈片段：
△視頻源：抖音（ID：QC0217）
也可以選擇頁面下方提供的模版進行體驗：
不過需要注意的是，由于MagicAnimate目前過于火爆，在生成的過程中可能會出現“宕機”的情況：
即便成功“食用”，可能也得排大隊
……
（沒錯！截至發稿，還是沒有等到結果！）
除此之外，MagicAnimate在GitHub中也給出了本地體驗的方式，感興趣的小伙伴可以試試哦~
那么接下來的一個問題便是：
怎么做到的？
整體而言，MagicAnimate采用的是基于擴散模型（diffusion）的一個框架，目的就是增強時間一致性、保持參考圖像的真實性，并提高動畫保真度。
為此，團隊首先開發了一個視頻擴散模型（Temporal Consistency Modeling）來編碼時間信息。
這個模型通過在擴散網絡中加入時間注意力模塊，來編碼時間信息，從而確保動畫中各幀之間的時間一致性。
其次，為了保持幀間的外觀一致性，團隊引入了一種新的外觀編碼器（Appearance Encoder）來保留參考圖像的復雜細節。
這個編碼器與以往使用CLIP編碼的方法不同，能夠提取密集的視覺特征來引導動畫，從而更好地保留身份、背景和服裝等信息。
在這兩項創新技術的基礎之上，團隊進一步采用了一種簡單的視頻融合技術（Video Fusion Technique）來促進長視頻動畫的平滑過渡。
最終，在兩個基準上的實驗表明，MagicAnimate的結果要遠優于以往的方法。
尤其是在具有挑戰性的TikTok舞蹈數據集上，MagicAnimate在視頻保真度方面比最強基線高出38%以上！
團隊所給出的定性比較如下：
以及與cross-ID的SOTA基線相比，結果如下：
One More Thing
不得不說，諸如MagicAnimate的項目最近著實是有點火爆。
這不，在它“出道”前不久，阿里團隊也發布了一個名叫Animate Anyone的項目，同樣是只要“一張圖”和“想要的動作”：
由此，也有網友發出了疑問：
這似乎是MagicAnimate和AnimateAnyone之間的戰爭。誰更勝一籌？
你覺得呢？
論文地址：https://arxiv.org/abs/2311.16498
