首页
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
更多
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
百度联合多所高校发布Hallo2,可实现长时间高分辨率音频驱动肖像动画
科技
2024-10-21 23:35
广东
近日,复旦大学、百度公司及南京大学的研究人员联合发布了一项名为“Hallo2”的研究成果。
该成果为音频驱动的肖像动画技术带来了显著的进步,特别是在长时间视频合成与高分辨率图像处理方面。
基于先前版本的技术积累,“Hallo2”在长时间视频合成上实现了突破。
研究团队通过在条件运动帧的图像空间中进行增强策略的研究,解决了诸如外观漂移和时间伪影等问题。
特别是引入了带有高斯噪声的补丁丢弃(patch-drop)技术,这项技术增强了长时间视频中的视觉一致性与时间连贯性。
此外,“Hallo2”还实现了4K分辨率的肖像视频生成。
为了达到这一目标,研究人员采用了潜在代码的向量量化以及时间对齐技术,以确保在时间维度上的连贯性。
结合高质量解码器,“Hallo2”成功实现了4K分辨率的视觉合成。
值得关注的是,“Hallo2”引入了可调整的语义文本标签作为肖像表情的条件输入。
这不仅超越了传统的音频线索,提高了可控性,还增加了生成内容的多样性。
据研究者介绍,这是首个能够实现4K分辨率并生成长达一小时音频驱动肖像动画的技术,并且支持文本提示增强。
研究团队进行了广泛的实验评估,包括使用HDTF、CelebV以及新引入的“Wild”数据集等公开可用的数据集。
实验结果显示,“Hallo2”的方法在长时间肖像视频动画领域达到了顶尖水平,能够成功生成丰富且可控的4K分辨率内容,持续时间可达数十分钟。
这项研究展示了生成模型在肖像动画方面的最新进展,尤其是在解决长时间视频合成中的挑战性问题上取得了实质性突破。
它不仅推动了该领域的技术进步,也为未来的研究提供了新的方向与可能性。
直达链接:https://github.com/fudan-generative-vision/hallo2
关注我们:即可加入【AI交流群】,
免费领取【AI大礼包】
晓得智能
每日聚焦最新AI,让每个人都能享受到AI带来的乐趣!
最新文章
百度世界2024:发布文心iRAG和无代码工具秒哒
豆包发布国内首款通用图像编辑模型SeedEdit
AMD推出10亿参数开源模型OLMo,性能超越同类产品
字节公布X-Portrait 2,模仿出惟妙惟肖的人物表情
腾讯开源混元MoE和3D大模型,业界首个同时支持文字、图像生成的3D开源大模型
天工AI更新高级搜索功能,可搜索股票、科研信息
Suno推出AI音乐克隆,可复用任意音乐风格
知乎推出专业搜索功能,确保所提供的信息既专业又可靠
AI绘画能力超越FLUX,世界首个能生成长文本图像的模型
小米发布澎湃OS 2,小爱同学升级为超级小爱,体验更加智能
爱诗科技发布PixVerse V3,视频生成技术显著提升,中英文提示词均可理解
智谱推出AutoGLM,AI学会自动操作手机完成日常任务
Claude 3.5大更新,AI学会操作计算机,还能分析数据库
讯飞星火4.0 Turbo发布,多项能力实现领先
Stable Diffusion 3.5发布,消费级硬件开箱即可用
智源开源Emu3多模态大模型,视频理解和生成效果表现优异
百度联合多所高校发布Hallo2,可实现长时间高分辨率音频驱动肖像动画
ChatGPT Windows 桌面程序发布,目前仅特定用户可用
ColorOS 15 发布,以用户为中心的系统级AI升级
联想携手全球AI巨头,推进混合式AI发展
Adobe MAX 2024发布会,Creative Cloud 推出100多项新功能
苹果推出MM1.5大模型,提升AI图像视觉理解能力
Kimi探索版上线,能自主搜索并解决复杂问题
马斯克发布Robotaxi无人驾驶汽车,取消方向盘和踏板
字节扣子全面升级,可一键复制各类型AI模板
AI领域科学家,包揽了诺贝尔物理、化学奖
黑森林实验室发布FLUX 1.1 Pro,目前最先进、最高效的绘画模型
Notion AI发布“一站式”AI助手,可对多平台文件进行分析
猫眼发布“神笔马良”AI,让剧本一键成片
美图MOKI全面开放,三步生成AI创意短片
Llama 3.2发布最强端侧开源模型,手机即可运行
年轻人的第一个对象,东京政府提供AI配对平台
豆包发布AI视频生成模型,提供精准语义理解和高保真画质
基于阿里通义大模型,JetBrains AI编程助手国内发布
可灵1.5版本更新:引入运动笔刷功能,让视频精准运动
无使用次数限制,阿里上线通义万相AI视频平台
豆包推出一套AI音乐生成系统,可多方面控制音乐
元象开源中国最大MoE模型A36B,可无条件免费商用
OpenAI o1发布,理科推理能力超越人类专家博士
国内首家五官科医院,推出AI生成式病历
国家网络安全会发布《人工智能安全治理框架》
苹果发布iPhone 16系列AI手机,Apple Intelligence带来全新交互体验
谷歌AI虚拟试穿,数千件连衣裙任意穿
支付宝推出多个AI助手,理财、生活、健康统统帮你搞定
文心一言APP改名了,升级后覆盖五大生活场景
ComfyUI新版本发布,多项更新优化工作流程
快手发布电商AI换衣神器,想怎么换就怎么换
高性能低功耗,最强SOTA小模型Zamba登场
支持VR实时渲染,实景三维大模型书生3.0开源
Midjourney开放网页端,并宣布进军硬件领域
分类
时事
民生
政务
教育
文化
科技
财富
体娱
健康
情感
旅行
百科
职场
楼市
企业
乐活
学术
汽车
时尚
创业
美食
幽默
美体
文摘
原创标签
时事
社会
财经
军事
教育
体育
科技
汽车
科学
房产
搞笑
综艺
明星
音乐
动漫
游戏
时尚
健康
旅游
美食
生活
摄影
宠物
职场
育儿
情感
小说
曲艺
文化
历史
三农
文学
娱乐
电影
视频
图片
新闻
宗教
电视剧
纪录片
广告创意
壁纸头像
心灵鸡汤
星座命理
教育培训
艺术文化
金融财经
健康医疗
美妆时尚
餐饮美食
母婴育儿
社会新闻
工业农业
时事政治
星座占卜
幽默笑话
独立短篇
连载作品
文化历史
科技互联网
发布位置
广东
北京
山东
江苏
河南
浙江
山西
福建
河北
上海
四川
陕西
湖南
安徽
湖北
内蒙古
江西
云南
广西
甘肃
辽宁
黑龙江
贵州
新疆
重庆
吉林
天津
海南
青海
宁夏
西藏
香港
澳门
台湾
美国
加拿大
澳大利亚
日本
新加坡
英国
西班牙
新西兰
韩国
泰国
法国
德国
意大利
缅甸
菲律宾
马来西亚
越南
荷兰
柬埔寨
俄罗斯
巴西
智利
卢森堡
芬兰
瑞典
比利时
瑞士
土耳其
斐济
挪威
朝鲜
尼日利亚
阿根廷
匈牙利
爱尔兰
印度
老挝
葡萄牙
乌克兰
印度尼西亚
哈萨克斯坦
塔吉克斯坦
希腊
南非
蒙古
奥地利
肯尼亚
加纳
丹麦
津巴布韦
埃及
坦桑尼亚
捷克
阿联酋
安哥拉