[23] Generative Image Dynamics

发布时间：2023年12月20日

[pdf | proj]

  • 动作位移场F(p)=(F_t(p) | t=1, 2, ..., T)：描述图像中任意像素p，从首帧到第t帧的位移变化；
  • 动作纹理S(p) = \{S_{f_k}(p)|k=0, 1, ..., K\}：用K个频率，表征任意像素p在T帧内的变化；

  • 动作位移场：光流；
  • 动作纹理：光流的频谱图，对像素点在T时间序列下的位移轨迹做FFT得到；
  • 任务目标：给定图片，预测其未来T帧的震荡变化
    • 给定图片，预测K个频谱图； -> 动作预测模块
    • 给定频谱图，通过逆傅立叶变换得到光流；
    • 给定光流，渲染未来T帧。? ? ?-> 渲染模块

目录

动作预测模块

动作渲染模块

实验

动作预测模块

Latent Diffusion Model：类似Stable Diffusion的VAE结构，降低频谱图分辨率，提高学习效率；

训练过程：以输入图片和频率作为控制信号，学习频谱分布；

频率正则化：考虑到Diffusion的学习值域在[0, 1]，因此用傅立叶系数的97%幅值作为正则项；

动作渲染模块

  • Feature Extractor：基于ResNet-34提取多层图片特征；
  • Synthesis Network：类StyleGAN结构
    • 根据t时刻光流图warp图片特征；
    • warp后的图片特征作为控制信号，生成t时刻渲染图像；

实验

  • 准备训练数据：
    • 数据：自然震荡视频2631个，包含：树、花、蜡烛等物体；
    • 分段：每10帧作为开始帧，每段包含150帧，处理后总共包含130K段；
    • 光溜：提取每段首帧到之后149帧的光流；
  • 在16张A100上训练6天
  • 结果可视化：

  • 预测光流可视化

  • 消融实验

文章来源:https://blog.csdn.net/qq_40731332/article/details/135080589
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章