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
ai trip planner
使用AI旅行计划者简化您的旅行计划。 AI Trip Planner Technology创建了自定义旅行行程，可满足您的喜好和旅行风格。发现与您旅行...
AI ContentCraft
AI ContentCraft 是一个强大的内容创作平台，旨在帮助创作者快速生成故事、播客脚本和多媒体内容。它通过集成文本生成、语音合成和图像生成技术...
Hiree365
Hiree365是一款校园招聘平台，旨在连接学生与就业机会，简化招聘流程，与优秀人才建立联系，打造成功的团队。通过Hiree365，您可以提升招聘策略...
Joint Angels
Joint Angels是一款利用人工智能技术帮助临床医生测量运动范围和执行运动分析的工具。它通过简化运动分析和测量过程，旨在提高临床实践的效率和生产...
MiGuru AI
MiGuru是一款智能求职助手，帮助用户提升找工作的机会。它提供了丰富的功能，包括优化简历、职位推荐、面试准备等，并根据用户的需求进行个性化推荐。Mi...
Vocera
Vocera是一个由Y Combinator支持的AI语音代理测试与监控平台，它允许用户通过模拟各种场景和使用真实音频来测试和评估AI语音代理的性能。...
brandbird
Brandbird是想在公开场合开展业务的SaaS创始人的强大图像，模型和屏幕截图编辑器。该易于使用的编辑器将帮助您创建与品牌相符的迷人图形，从而帮助...
Synthesys
Synthesys是一个AI内容生成平台，提供AI视频、AI语音和AI图像生成服务。它通过使用先进的人工智能技术，帮助用户以更低的成本和更简单的操作生...
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。
