華盛頓大學(xué)和臉譜網(wǎng)的研究人員使用深度學(xué)習(xí)將靜止圖像轉(zhuǎn)換成逼真的動畫循環(huán)視頻。

他們的方法 將在即將召開的計算機視覺和模式識別會議（ CVPR ）上發(fā)布的這項技術(shù)模擬了連續(xù)的流體運動，如流動的水、煙和云，將靜止圖像轉(zhuǎn)換成無縫循環(huán)的短視頻。

“我們的方法的特別之處在于它不需要任何用戶輸入或額外的信息，” Aleksander Ho?yński ，華盛頓大學(xué)計算機科學(xué)與工程博士生，項目負責(zé)人說。你只需要一張照片。它可以輸出一個高分辨率的無縫循環(huán)視頻，通常看起來像一個真實的視頻。”

團隊創(chuàng)建了一種稱為“對稱飛濺”的方法從靜止圖像預(yù)測過去和未來的運動，結(jié)合這些數(shù)據(jù)創(chuàng)建無縫動畫。

“當(dāng)我們看到瀑布時，我們知道水應(yīng)該如何運動。火或煙也是如此。這些類型的運動遵循同一套物理規(guī)律，圖像中通常有線索告訴我們物體應(yīng)該如何運動? y ń斯奇說我們很樂意將我們的工作擴展到更廣泛的對象上，比如為一個人在風(fēng)中吹拂的頭發(fā)設(shè)置動畫。我希望最終我們與朋友和家人分享的照片不會是靜態(tài)的。相反，它們都是動態(tài)動畫，就像我們的方法生成的動畫一樣?！?/p>

為了教他們的神經(jīng)網(wǎng)絡(luò)估計運動，研究小組在 1000 多個流體運動的視頻（如瀑布、河流和海洋）上訓(xùn)練了這個模型。如果只給出視頻的第一幀，系統(tǒng)將預(yù)測未來幀中應(yīng)該發(fā)生的事情，并將其預(yù)測結(jié)果與原始視頻進行比較。這種比較有助于模型改進對圖像中每個像素是否應(yīng)該移動以及如何移動的預(yù)測。

研究人員使用了 NVIDIA Pix2PixHD 用于運動估計網(wǎng)絡(luò)訓(xùn)練的 GAN 模型，以及 FlowNet2 和 PWC-Net 。模型進行訓(xùn)練和推理都采用 NVIDIA GPU。培訓(xùn)數(shù)據(jù)包括 1196 個獨特的視頻， 1096 個用于培訓(xùn)， 50 個用于驗證， 50 個用于測試。

關(guān)于作者

Clarissa Garza 是 NVIDIA 在 2021 夏天的企業(yè)傳播實習(xí)生，她在波士頓大學(xué)新聞專業(yè)的第四年。在 NVIDIA ，她在 NVIDIA 的公司和開發(fā)者博客以及 AI 播客上工作。

審核編輯：郭婷