单说大模型 AI 的发展对人们想象力释放的助力,基于 Stable Diffusion模型的方法首当其冲。透过文本描述到图像生成技术,大模型为我们的想象力打开了一个恢弘的梦幻世界。透过点滴文字,就有可能重现禁锢在我们脑海中无法释放的光怪陆离。
而最近,Stable Diffusion 持续进化,打个响指加一个框架使用AnimateDiff,文本图像生成便可以由静到动,一次性的将个性化文本生成的图像进行动态化,实现一键生成 GIF 动图!首先,来展示一下AnimateDiff 的动图生成效果,当我们希望生成展示一个在客厅高兴的穿着自己新盔甲的女孩的图像时,捕捉关键词cybergirl,smiling,armor,living room 等等,稍作修饰输入如下 Prompt:
long highlighted hair, cybergirl, futuristic silver armor suit, confident
stance, high-resolution, living room, smiling, head tilted.
即可以得到一段自然逼真的动态图像:
类似的,使用 Prompt:
1 girl, anime, long pink hair, necklace, earrings, masterpiece, highly
detailed, high quality, 8k
可以生成一段更加动漫风格的 GIF:
利用不同风格的模型,这些生成的动图可以是充满动漫风的卡通形象:
也可以是更加逼真的人物造型:
可以是动漫电影的背景片段:
也可以是水墨风的艺术画卷
而更有意思的,是 AnimateDiff 支持与 ControlNet 结合使用,譬如我们希望让前文生成的盔甲女孩模仿下图女孩的动作:
只需要非常简单的配置启用ControlNet,将上图作为控制图就可以生成如下的图像,上文生成出的盔甲女孩完美的模仿了上图中女孩的动作,为自定义的动图生成添足了想象力!
同时,通过使用 motion LoRA 方法,利用 Prompt 我们还可以控制“摄像机”的动作,譬如我们希望摄像机向左平移,即背景向右移动,可以在Prompt 中添加 <lora:v2_lora_PanLeft:0.75 > 表示使用0.75的权重让摄像机向左平移,生成的效果如下图:
此外,AnimateDiff 还支持图像到动图的生成,我们可以定义生成动图的初始图像与结束图像,从而使用 AnimateDiff补全运动过程。从训练方式上来看,AnimateDiff 也并不复杂,在用户个性化或自定义的文本-图像生成模型(T2I)的基础上,AnimateDiff使用短视频的剪辑数据完成了一个运动建模模块的训练,类似一个插件,AnimateDiff 通过在 T2I模型使用基础上嵌入这个运动建模模块,从而使得图像成功“由静转动”。
毋庸置疑,单一静态的图像表达能力存在上限,而 AnimateDiff点石成金般赋予图像“动起来”的能力,极大的扩展了我们简单的输入文本的表达能力。从抽象的语言文字到具象的图片再到细节更加丰富的动图(视频),StableDiffusion 逐步进化高速发展。走到 AnimateDiff,恰如国外的一则新闻所述:很有可能,AnimateDiff 会重新定义整个动画行业!