DreamVideo: Komponieren Sie Ihre Traumvideos mit individuellem Motiv und Bewegung

DreamVideo: Composing Your Dream Videos with Customized Subject and Motion

December 7, 2023

Autoren: Yujie Wei, Shiwei Zhang, Zhiwu Qing, Hangjie Yuan, Zhiheng Liu, Yu Liu, Yingya Zhang, Jingren Zhou, Hongming Shan

cs.AI

Zusammenfassung

Die personalisierte Generierung mithilfe von Diffusionsmodellen hat beeindruckende Fortschritte in der Bildgenerierung erzielt, bleibt jedoch bei der anspruchsvollen Aufgabe der Videogenerierung unbefriedigend, da sie die Kontrollierbarkeit sowohl von Subjekten als auch von Bewegungen erfordert. Zu diesem Zweck präsentieren wir DreamVideo, einen neuartigen Ansatz zur Erstellung personalisierter Videos aus einigen statischen Bildern des gewünschten Subjekts und einigen Videos der Zielbewegung. DreamVideo entkoppelt diese Aufgabe in zwei Phasen, Subjektlernen und Bewegungslernen, indem ein vortrainiertes Video-Diffusionsmodell genutzt wird. Das Subjektlernen zielt darauf ab, das feine Erscheinungsbild des Subjekts aus den bereitgestellten Bildern präzise zu erfassen, was durch die Kombination von Textinversion und Feinabstimmung unseres sorgfältig gestalteten Identitätsadapters erreicht wird. Beim Bewegungslernen entwickeln wir einen Bewegungsadapter und stimmen ihn auf den gegebenen Videos ab, um das Zielbewegungsmuster effektiv zu modellieren. Die Kombination dieser beiden leichtgewichtigen und effizienten Adapter ermöglicht eine flexible Anpassung jedes Subjekts mit jeder Bewegung. Umfangreiche experimentelle Ergebnisse demonstrieren die überlegene Leistung unseres DreamVideo im Vergleich zu den state-of-the-art Methoden für die personalisierte Videogenerierung. Unsere Projektseite finden Sie unter https://dreamvideo-t2v.github.io.

English

Customized generation using diffusion models has made impressive progress in image generation, but remains unsatisfactory in the challenging video generation task, as it requires the controllability of both subjects and motions. To that end, we present DreamVideo, a novel approach to generating personalized videos from a few static images of the desired subject and a few videos of target motion. DreamVideo decouples this task into two stages, subject learning and motion learning, by leveraging a pre-trained video diffusion model. The subject learning aims to accurately capture the fine appearance of the subject from provided images, which is achieved by combining textual inversion and fine-tuning of our carefully designed identity adapter. In motion learning, we architect a motion adapter and fine-tune it on the given videos to effectively model the target motion pattern. Combining these two lightweight and efficient adapters allows for flexible customization of any subject with any motion. Extensive experimental results demonstrate the superior performance of our DreamVideo over the state-of-the-art methods for customized video generation. Our project page is at https://dreamvideo-t2v.github.io.