AtomoVideo : Génération vidéo haute fidélité à partir d'images
AtomoVideo: High Fidelity Image-to-Video Generation
March 4, 2024
Auteurs: Litong Gong, Yiran Zhu, Weijie Li, Xiaoyang Kang, Biao Wang, Tiezheng Ge, Bo Zheng
cs.AI
Résumé
Récemment, la génération vidéo a connu un développement rapide et significatif grâce aux techniques supérieures de génération d'images à partir de texte. Dans ce travail, nous proposons un cadre de haute fidélité pour la génération vidéo à partir d'images, nommé AtomoVideo. En nous appuyant sur l'injection d'images à granularité multiple, nous obtenons une plus grande fidélité de la vidéo générée par rapport à l'image donnée. De plus, grâce à des ensembles de données de haute qualité et à des stratégies d'entraînement efficaces, nous atteignons une intensité de mouvement accrue tout en maintenant une cohérence et une stabilité temporelles supérieures. Notre architecture s'étend de manière flexible à la tâche de prédiction de trames vidéo, permettant la prédiction de séquences longues via une génération itérative. Par ailleurs, grâce à la conception de l'entraînement par adaptateurs, notre approche peut être facilement combinée avec des modèles personnalisés et des modules de contrôle existants. Par des évaluations quantitatives et qualitatives, AtomoVideo obtient des résultats supérieurs par rapport aux méthodes populaires. Plus d'exemples sont disponibles sur notre site web de projet : https://atomo-video.github.io/.
English
Recently, video generation has achieved significant rapid development based
on superior text-to-image generation techniques. In this work, we propose a
high fidelity framework for image-to-video generation, named AtomoVideo. Based
on multi-granularity image injection, we achieve higher fidelity of the
generated video to the given image. In addition, thanks to high quality
datasets and training strategies, we achieve greater motion intensity while
maintaining superior temporal consistency and stability. Our architecture
extends flexibly to the video frame prediction task, enabling long sequence
prediction through iterative generation. Furthermore, due to the design of
adapter training, our approach can be well combined with existing personalised
models and controllable modules. By quantitatively and qualitatively
evaluation, AtomoVideo achieves superior results compared to popular methods,
more examples can be found on our project website: https://atomo-
video.github.io/.