上一篇
AgentScope是什么？一文让你看懂AgentScope的技术原理、主要功能、应用场景
LeviTor是什么？一文让你看懂LeviTor的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
LeviTor概述简介
LeviTor是南京大学、蚂蚁集团、浙江大学等机构推出的图像到视频合成技术，结合深度信息和K-means聚类点控制视频中3D物体的轨迹，无需显式的3D轨迹跟踪。LeviTor用高质量的视频对象分割数据集进行训练，有效捕捉复杂场景中的物体运动和交互，基于用户友好的推理流程简化3D轨迹输入，让视频生成技术更加先进和易用。LeviTor的引入为3D物体轨迹控制铺平道路，拓宽创意应用范围，适用于更广泛的用户群体。
LeviTor的功能特色
精确操控物体运动：在从静态图像生成视频时，精确控制物体的运动轨迹。
增强创意应用：基于3D轨迹控制，拓宽视频合成的创意应用范围。
简化用户输入：用户用简单的2D图像上的绘制和深度调整输入3D轨迹，降低技术门槛。
自动提取深度信息和物体掩码：系统自动从图像中提取深度信息和物体掩码，减少用户操作。
交互式轨迹绘制：用户交互式地绘制物体轨迹，系统将其解释为3D路径。
LeviTor的技术原理
K-means聚类：对视频对象掩码（mask）的像素进行K-means聚类，得到一组代表性的控制点。
深度信息融合：深度估计网络DepthAnythingV2预测相对深度图，并在每个控制点采样深度，为控制点增添深度信息。
控制信号构建：结合2D坐标和估计的深度值，构建控制轨迹，轨迹作为视频扩散模型的控制信号。
视频扩散模型：将控制信号输入到视频扩散模型中，生成与3D轨迹对齐的视频。
用户友好的推理流程：设计用户友好的交互系统，用户用点击和调整深度值输入3D轨迹。
LeviTor项目介绍
项目官网：ppetrichor.github.io/levitor
GitHub仓库：https://github.com/qiuyu96/LeviTor
HuggingFace模型库：https://huggingface.co/hlwang06/LeviTor
arXiv技术论文：https://arxiv.org/pdf/2412.15214
LeviTor能做什么？
电影特效制作：生成逼真的特效场景，减少实地拍摄成本，提高制作效率。
游戏动画生成：在游戏开发中，创造动态的游戏背景和角色动画，增强游戏的沉浸感。
虚拟现实体验：在VR应用中合成逼真的虚拟环境，为用户提供更加真实的沉浸式体验。
增强现实展示：在AR领域将虚拟信息与现实世界无缝结合，用在教育、导航等场景。
广告视频制作：制作动态广告视频，吸引观众注意力，提升品牌形象和产品吸引力。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
Exponent
Exponent 是一款协作式 AI 编程代理，旨在提升软件开发的效率与体验。它能够在多种环境中工作，从代码的探索到部署，能够帮助开发者自动化复杂的编...
Next.js
Next.js 是一个用于构建现代 React 应用程序的框架。它提供了许多功能和优势，包括服务器渲染、静态生成、热模块替换等。Next.js 的定价...
Wavflow.io
wavflow是一款最终的AI文本转语音生成器，无需订阅，积分不过期。它使用人工智能技术将文本转换为逼真的语音，适用于将文档、书籍和课程转换为语音。w...
AI Music
AI Music FM 的 AI Music Generator是一个利用人工智能技术的音乐创作工具，它能够根据用户输入的文本、图像或歌词，生成不同风...
RolePlai - Ai Chatbots
RolePlai是一款革命性的AI聊天机器人应用程序，具有世界上最先进的AI技术，让您感觉像在与真人交谈。这款前沿的应用程序允许您立即创建任何名人、公...
OpenAI Deep Research
Deep Research 是 OpenAI 开发的智能代理功能，能够在短时间内完成复杂的多步骤研究任务。它通过互联网搜索和分析大量信息，为用户提供类...
zero_to_gpt
zero_to_gpt是一个旨在帮助用户从零基础学习深度学习，并最终实现训练自己的GPT模型的教程。随着人工智能技术走出实验室并广泛应用于各行各业，社...
GeForce RTX 5070 Ti
GeForce RTX 5070 Ti是NVIDIA推出的高性能显卡，采用最新的Blackwell架构，支持DLSS 4多帧生成技术。该显卡能够为游戏...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
