仅需2张图，AI便可生成完整运动过程_ai制作序列图

点击上方“迈微AI研习社”，选择“星标★”公众号

重磅干货，第一时间送达

先给一张侧脸（关键帧1）：

再给一张正脸（关键帧2）：

然后仅仅根据这两张图片，AI处理了一下，便能生成整个运动过程：

而且不只是简单的那种，连在运动过程中的眨眼动作也“照顾”得很到位。

效果一出，便在Reddit上引发了不少热议：

仅需2个关键帧，如何实现完整运动？

不需要冗长的训练过程。

不需要大量的训练数据集。

这是论文作者对本次工作提出的两大亮点。

具体而言，这项工作就是基于关键帧将视频风格化。

先输入一个视频序列 I ，它由N个帧组织，每一帧都有一个掩膜Mi来划分感兴趣的区域。

与此前方法不同的是，这种风格迁移是以随机顺序进行的，不需要等待顺序靠前的帧先完成风格化，也不需要对来自不同关键帧的风格化内容进行显式合并。

也就是说，该方法实际上是一种翻译过滤器，可以快速从几个异构的手绘示例 Sk 中学习风格，并将其“翻译”给视频序列 I 中的任何一帧。

这个图像转换框架基于 U-net 实现。并且，研究人员采用基于图像块 （patch-based）的训练方式和抑制视频闪烁的解决方案，解决了少样本训练和时间一致性的问题。

而为了避免过拟合，研究人员采用了基于图像块的训练策略。

从原始关键帧（Ik）中随机抽取一组图像块（a），在网络中生成它们的风格化对应块（b）。

然后，计算这些风格化对应块（b）相对于从风格化关键帧（Sk）中取样对应图像块的损失，并对误差进行反向传播。

这样的训练方案不限于任何特定的损失函数。本项研究中，采用的是L1损失、对抗性损失和VGG损失的组合。

另一个问题便是超参数的优化。

这是因为不当的超参数可能会导致推理质量低下。

研究人员使用网格搜索法，对超参数的4维空间进行采样：Wp——训练图像块的大小；Nb——一个batch中块的数量；α——学习率；Nr——ResNet块的数量。

对于每一个超参数设置：

（1）执行给定时间训练；

（2）对不可见帧进行推理；

（3）计算推理出的帧（O4）和真实值（GT4）之间的损失。

而目标就是将这个损失最小化。

团队介绍

这项研究一作为Ondřej Texler，布拉格捷克理工大学计算机图形与交互系的博士生。

而除了此次的工作之外，先前他和团队也曾做过许多有意思的工作。

例如一边画着手绘画，一边让它动起来。

再例如给一张卡通图片，便可让视频中的你顶着这张图“声情并茂”。

想了解更多有趣的研究，可戳下方链接????。

参考链接：

[1]https://www.reddit.com/r/MachineLearning/comments/n3b1m6/r_fewshot_patchbased_training_siggraph_2020_dr/
[2]https://ondrejtexler.github.io/patch-based_training/index.html

最后，跟大家分享一下《计算机视觉实战演练：算法与应用》发布在线电子书（beta版）了，欢迎大家使用。

我们的主页长这样：

https://charmve.github.io/L0CV-web/

推荐阅读

（点击标题可跳转阅读）

• 给AI一张高清照片，分分钟还你细节满满的3D人体模型，GitHub标星4.4k | 在线可玩

• 一张“静态”图实现3D人脸建模！这是中科院博士生入选ECCV的新研究 | 开源

• 无需向量监督的矢量图生成算法，入选CVPR 2021 | 代码开源

• CVPR 2021 | CA：用于高效移动网络设计的同位注意力 | 代码开源

 

# CV技术社群邀请函 #

△长按添加迈微官方微信号 

备注：姓名-学校/公司-研究方向-城市（如：小C-北大-目标检测-北京）

△点击卡片关注迈微AI研习社，获取最新CV干货

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：yidazhang1@gmail.com

觉得有用麻烦给个三连啦~