静态油画秒变动态视频！西安交大等提出「无需训练」的绘画动态化新范式

随着人工智能技术的飞速发展，图像到视频（I2V）生成已成为艺术与科技融合的前沿领域。然而，现有方法在将静态绘画转化为动态视频时，仍面临两大核心挑战：

（1）不动：现有模型无法准确解读和执行文本提示中的运动指令，导致生成的视频缺乏动态效果或完全静止；

（2）乱动：模型在尝试赋予静态绘画动态效果的过程中，可能会出现与原作品风格不符或破坏其完整性的现象。

针对上述难题，西安交通大学、合肥工业大学以及澳门大学的研究团队联合提出一个零训练图像转视频框架——“Every Painting Awakened”，成功实现静态绘画的动态化生成。

该技术不仅能让静态油画根据提示文本动起来，更可精准保持原画笔触的微妙渐变，解决了艺术动画领域长期存在的动态失真与风格偏离两大难题。

论文标题：

Every Painting Awakened: A Training-free Framework for Painting-to-Animation Generation

论文链接：

https://arxiv.org/abs/2503.23736

项目主页：

https://painting-animation.github.io/animation/

▲ Every Painting Awakened 示例

从静态到动态：艺术动画的终极挑战

“Every Painting Awakened” 创新性地引入双路径分数蒸馏技术与混合潜在融合机制，突破性实现：

• 动态精准控制：通过预训练图像模型的文本-图像对齐能力，将文本提示编码进图像域空间。

• 风格完美继承：在潜在空间进行球面线性插值，确保动态化过程不损伤原作色彩、笔触等艺术特征。

• 即插即用部署：无需额外训练，可直接增强现有 I2V 模型。

核心技术解析

▲ Every Painting Awakened 架构

“Every Painting Awakened” 框架首先应用一个预先训练的图像模型从真实绘画中生成一个代理图像，代理图像作为后续步骤的未来指导。随后将双路径分数蒸馏采样应用于真实绘画和代理图像，得到两个更新的初始视频潜在向量。

这两个向量沿时间维度进行球形插值，以生成融合的潜在向量。该融合向量被用作 I2V 模型的输入，用于视频生成。

框架的核心技术主要集中在两个方面：

1. 双路径得分蒸馏（Dual-path Score Distillation）

问题：静态绘画缺乏动态数据支撑，模型难以捕捉运动规律。

方案：构建双路径架构，从代理图像中提取动态先验，同时从真实绘画中保留原画静态细节。

效果：既保证画作风格的完整性，又为动态生成提供运动逻辑支持。

2. 混合潜在融合（Hybrid Latent Fusion）

问题：动态生成过程中，画面过渡生硬或风格断裂。

方案：在潜在空间中通过球面线性插值（Slerp）融合真实绘画特征与代理图像的动态特征。

效果：实现自然流畅的时序过渡，确保动态与静态元素的和谐统一。

实验结果

研究显示，“Every Painting Awakened”不仅能够大幅提升与文本提示语义上的契合度，同时也能忠实地保留原绘画的独特风格和完整性。

▲ 在各 I2V 基础模型上的评估结果和消融实验结果

▲ AnimateAnything 模型上的示例

▲ ConsistI2V 模型上的示例

▲ Cinemo 模型上的示例

总结与未来方向

“Every Painting Awakened” 框架为数字艺术、影视特效等领域提供了高效工具。例如，博物馆可将经典画作转化为动态展览。当静态艺术遇上动态 AI，技术与美学的边界再次被突破。

这项研究不仅让静态绘画“活”了起来，更以零训练成本的优势，为创意产业注入新动能。未来，研究将探索复杂场景推理优化，进一步提升长视频生成的连贯性。 

参考文献

[1] Z. Dai, Z. Zhang, Y. Yao, B. Qiu, S. Zhu, L. Qin, W. Wang, Fine-grained open

domain image animation with motion guidance, arXiv (2023).

[2] W. Ren, H. Yang, G. Zhang, C. Wei, X. Du, W. Huang, W. Chen, Consisti2v: Enhancing visual consistency for image-to-video generation, Transactions on Machine Learning Research (TMLR) (2024).

[3] X. Ma, Y. Wang, G. Jia, X. Chen, Y.-F. Li, C. Chen, Y. Qiao, Cinemo: Consistent

and controllable image animation with motion diffusion models, Proceedings of

the IEEE/CVF Conference on Computer Vision and Pattern Recognition (2025).

更多阅读

#投 稿 通 道#

 让你的文字被更多人看到 

如何才能让更多的优质内容以更短路径到达读者群体，缩短读者寻找优质内容的成本呢？答案就是：你不认识的人。

总有一些你不认识的人，知道你想知道的东西。PaperWeekly 或许可以成为一座桥梁，促使不同背景、不同方向的学者和学术灵感相互碰撞，迸发出更多的可能性。 

PaperWeekly 鼓励高校实验室或个人，在我们的平台上分享各类优质内容，可以是最新论文解读，也可以是学术热点剖析、科研心得或竞赛经验讲解等。我们的目的只有一个，让知识真正流动起来。

📝 稿件基本要求：

• 文章确系个人原创作品，未曾在公开渠道发表，如为其他平台已发表或待发表的文章，请明确标注 

• 稿件建议以 markdown 格式撰写，文中配图以附件形式发送，要求图片清晰，无版权问题

• PaperWeekly 尊重原作者署名权，并将为每篇被采纳的原创首发稿件，提供业内具有竞争力稿酬，具体依据文章阅读量和文章质量阶梯制结算

📬 投稿通道：

• 投稿邮箱：hr@paperweekly.site 

• 来稿请备注即时联系方式（微信），以便我们在稿件选用的第一时间联系作者

• 您也可以直接添加小编微信（pwbot02）快速投稿，备注：姓名-投稿

△长按添加PaperWeekly小编

🔍

现在，在「知乎」也能找到我们了

进入知乎首页搜索「PaperWeekly」

点击「关注」订阅我们的专栏吧

·