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。
卓商AI
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。

猜你喜欢
  • Cover Letter Copilot
    Cover Letter Copilot 职位申请助手是一款使用AI技术生成个性化职位申请信的工具。它可以帮助用户快速生成符合要求的求职信,减轻求职压力。用户只需上传简历并粘贴职位描述,AI会...
  • Wegic
    Wegic Wegic是一款AI网站设计和开发工具,它通过聊天的方式帮助用户设计和发布网站。Wegic利用人工智能技术简化了网站创建过程,使得没有编程或设计背景的...
  • SIMULACRUM
    SIMULACRUM SIMULACRUM是一款AI驱动的视频会议应用,可以与任何人进行面对面的会议,无论是活着的还是已故的。它可以用于心理治疗、与无法预测沟通和反应的人进...
  • PowerIn
    PowerIn PowerIn是一款利用ChatGPT自动生成评论的工具,可以自动评论LinkedIn上的Top Voice帖子,帮助提高您在LinkedIn上的活跃...
  • ComfyUI-Nexus
    ComfyUI-Nexus ComfyUI-Nexus 是一个为 ComfyUI 定制的节点,旨在实现多人协作工作流的无缝集成。它允许多个用户同时在同一工作流上工作,支持本地和远...
  • softr ai recipes app
    softr ai recipes app SOFTR AI-RECIPES应用程序是AI供电的配方生成器,可以从您的成分中创建美味的食谱。该应用程序由人工智能提供支持,可以生成针对用户偏好的独...
  • NVIDIA-Ingest
    NVIDIA-Ingest NVIDIA-Ingest是一个可扩展、高性能的文档内容和元数据提取微服务。它支持解析PDF、Word和PowerPoint文档,使用NVIDIA N...
  • blogbooster
    blogbooster Blogbooster是一种专为Words博客和网站设计的AI自动驾驶仪。通过代表您的撰写和发布博客文章,这使麻烦摆脱了博客。只需打开自动驾驶仪,让A...