4个惊艳的AI项目，开源了！_ai试鞋开源

大家好，今天继续聊聊科技圈发生的那些事。

一、Champ

三维参数导引下可控一致的人体图像动画生成项目。只需要一张照片，就能让照片里的人物动起来。

给出一个动作视频，Champ 可以让不同的人像复刻出相同的动作。

我们先来看看真实人物照片的效果：

而在虚拟人物和不同风格的照片下，Champ 也有不错的表现：

项目主要依靠于人体网格恢复模型，从输入视频中提取参数化三维人体网格模型 SMPL 序列，渲染不同的信息控制视频的生成。

在项目的框架图中，我们可以看到，Champ 采用了一个多层运动融合模块（MLMF），通过深度、骨骼、蒙版、法线、语义几项信息控制视频的细节生成，使其更加真实灵动。这五项信息，也可以通过 comfy 节点的示例工作流生成。

另外，Champ 利用 SMPL 保持了生成视频中人物体型的一致。通过对齐体型参数，Champ 在保持人物的体态和动作方面超过了其他 SOTA 工作。

效果比较

项目提供了体验 demo，如果需要本地部署，会根据所生成的分辨率占用显存，分辨率越高，显存占用越大，需要一定硬件支持，感兴趣的小伙伴也可以试试分段生成。

项目地址：

https://github.com/fudan-generative-vision/champ

二、MuseV

基于视觉条件并行去噪的无限长度和高保真虚拟人视频生成项目。

在这个项目里，我们能看到:

• 会动的永恩和金克斯

• 跨越多年眨巴大眼睛的杜甫老师

而作为虚拟人视频生成项目，MuseV 在生成场景的方面也有不错的表现。

MuseV 支持以下几种生成方式：图像到视频、文本到图像到视频、视频到视频。另外，它还能兼容 Stable Diffusion 的生态系统。

并行去噪

对于当前的生成方案，如果不对齐视频和图像的首帧条件，首帧的信息可能会被破坏，所以 MuseV 一般有如下的使用流程：

1. 确定参考视频
2. 用参考视频的首帧走图生图、controlnet流程，可以使用 MJ 等各种平台
3. 拿2中的生成图、参考视频用 MuseV 生成视频

由于训练数据类型有限，MuseV 在较低分辨率下具有更大的动作范围，但视频质量较低；在高分辨率下，画质更好、但动作范围较小。可能还需要使用更多类型的数据进行训练，如高质量、高分辨率的视频数据集。

在近期的更新中，作者团队更新了 Huggingface 的 GUI ，可以在线进行体验。

Huggingface地址：

https://huggingface.co/spaces/AnchorFake/MuseVDemo

作者团队的主页上还说到，他们即将发布的 MuseTalk（一个实时高质量的唇同步模型，在 MuseV 项目的主页也已经给出演示 demo 了）可与 MuseV 配合使用，生成的效果会更好，可以期待一手。

项目地址：

https://github.com/TMElyralab/MuseV

三、BrushNet

一个具有分解双分支扩散的图像修复模型。对于画面上的 Mask 区域（蒙版，存在缺失的部分），BrushNet 可以对其进行修复。此外，BrushNet 对于任何已经预先训练好的扩散模型都可以实现“即插即用”。

效果展示

模型在给定蒙版和蒙版图像输入的情况下输出一个未绘制的图像。首先，对掩模进行下采样以适应潜空间的大小，并将掩模图像输入 VAE 编码器以对齐潜在空间的分布。然后，将噪声潜伏、掩码图像潜伏和下采样掩码连接起来作为输入。接下来从模型中提取特征，特征去噪后，生成的图像和蒙版图像与模糊蒙版混合，生成图像。

BrushNet 不会修改预训练的扩散模型的权重，可以实现保存尺度调整，也可以进一步自定义非 Mask 区域的保存比例。这使得 BrushNet 具有很强的灵活性，实现即插即用。

作者团队还展示了将 BrushNet 与不同的扩散模型相结合的能力，其中有：

• DreamShaper （DS）
• epiCRealism （ER）
• Henmix_Real （HR）
• MeinaMix （MM）
• Realistic Vision （RV）

不同模型下的效果

根据用户个人的需求，可以灵活选用已经训练好的 SD 模型进行集成，只需要选择自己满意的效果即可。

项目地址：

https://github.com/TencentARC/BrushNet

四、MediaCrawler

这是一款开源的爬虫项目，用于爬取小红书、抖音、快手、B站、微博的视频、图片、评论、点赞、转发等信息。

MediaCrawler 基于 playwright 库搭桥，保留登录成功后的上下文浏览器环境，通过执行 JS 表达式获取一些加密参数。通过这样的方式，免去了复现核心加密 JS 代码，逆向难度大大降低。在 Python 环境下搭建项目也使得这个项目的可扩展性大大提升，潜力无限。

该项目有以下三种登录态：

• QRCode （login_by_qrcode）
• 手机号 (login_by_mobile)
• Cookie (login_by_cookies)

作者也对登录的准备工作进行了说明，方便用户使用。

而且，MediaCrawler 具备模块化设计，用户可以根据自己的使用需求，定义爬取的关键词、指定目录等。可以实现抓取策略的“私人定制”。

顺提一句，作者曾将这个在几天之内就获取 10k+ star 数的项目亲手删除。当我们再一次看到它的时候，主页上新增了很多免责声明。想必作者自己也不希望这个功能如此便捷的爬虫项目给自己带来什么麻烦吧。

项目地址：

https://github.com/NanmiCoder/MediaCrawler

好了，本期的内容就是这么多，我们下期再见！

做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。

别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。

我先来介绍一下这些东西怎么用，文末抱走。

---

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

（4）200多本电子书

这些年我也收藏了很多电子书，大概200多本，有时候带实体书不方便的话，我就会去打开电子书看看，书籍可不一定比视频教程差，尤其是权威的技术书籍。

基本上主流的和经典的都有，这里我就不放图了，版权问题，个人看看是没有问题的。

（5）Python知识点汇总

知识点汇总有点像学习路线，但与学习路线不同的点就在于，知识点汇总更为细致，里面包含了对具体知识点的简单说明，而我们的学习路线则更为抽象和简单，只是为了方便大家只是某个领域你应该学习哪些技术栈。

（6）其他资料

还有其他的一些东西，比如说我自己出的Python入门图文类教程，没有电脑的时候用手机也可以学习知识，学会了理论之后再去敲代码实践验证，还有Python中文版的库资料、MySQL和HTML标签大全等等，这些都是可以送给粉丝们的东西。

这些都不是什么非常值钱的东西，但对于没有资源或者资源不是很好的学习者来说确实很不错，你要是用得到的话都可以直接抱走，关注过我的人都知道，这些都是可以拿到的。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！