AnimateLCM

AnimateLCM

基于解耦一致性学习的快速个性化动画生成模型

AnimateLCM项目通过解耦一致性学习技术,实现了个性化扩散模型和适配器的快速动画生成。该模型仅需4步推理即可生成高质量动画,显著提高了训练效率。项目支持文本、控制信号和图像到视频的多种生成方式,并提供多个预训练模型。AnimateLCM在保证输出质量的同时大幅提升了动画生成速度,为个性化视频创作提供了新的技术方案。

AnimateLCMAI动画生成一致性学习快速视频生成扩散模型Github开源项目
<div align="center">

⚡️AnimateLCM:通过解耦一致性学习加速个性化模型和适配器的动画生成

[论文] [项目页面 ✨] [🤗Hugging Face 演示] [预训练模型] [Civitai] 访问量

作者:王福云、黄钊阳📮、施小雨、边伟康、宋广璐、刘宇、李鸿升📮

</div>
示例 1示例 2示例 3
GIF 1GIF 2GIF 3

如果您使用了我们工作的任何部分,请引用:

@article{wang2024animatelcm,
  title={AnimateLCM: Accelerating the Animation of Personalized Diffusion Models and Adapters with Decoupled Consistency Learning},
  author={Wang, Fu-Yun and Huang, Zhaoyang and Shi, Xiaoyu and Bian, Weikang and Song, Guanglu and Liu, Yu and Li, Hongsheng},
  journal={arXiv preprint arXiv:2402.00769},
  year={2024}
}

新闻

  • [2024.05]: 🔥🔥🔥 我们发布了用于加速稳定视频扩散的训练脚本
  • [2024.03]: 😆😆😆 我们发布了用于快速图像动画的AnimateLCM-I2V和AnimateLCM-SVD。
  • [2024.02]: 🤗🤗🤗 发布预训练模型权重和Huggingface演示。
  • [2024.02]: 💡💡💡 技术报告已在arXiv上发布。

以下是使用示例的屏幕录像。提示词:"倒映山脉的河流"

案例1x2

简介

一致性模型是由杨松教授提出的一种有前景的新型生成模型家族,用于快速且高质量的生成。

Animate-LCM是一项开创性工作,探索了遵循一致性模型的快速动画生成,能够在4次推理步骤内生成高质量的动画。

它依赖于解耦学习范式,首先学习图像生成先验,然后学习时间生成先验以实现快速采样,大大提高了训练效率。

AnimateLCM的高级工作流程可以概括为

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/34324fbc-450b-40de-8e7e-988b6fdacc68.png" alt="比较" style="zoom:80%;" /> </div>

演示

我们在项目页面发布了许多由Animate-LCM生成的演示视频。总的来说,AnimateLCM适用于快速、文本到视频、控制到视频、图像到视频、视频到视频风格化以及长视频生成。

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/0e484d7c-41d3-4508-b38d-f7e385c1a36a.png" alt="比较" style="zoom:80%;" /> </div>

模型

到目前为止,我们已经发布了三个可供使用的模型

  • Animate-LCM-T2V:用于个性化视频生成的空间LoRA权重和运动模块。社区的一些尝试表明,该运动模块也与许多为LCM调优的个性化模型兼容,例如Dreamshaper-LCM

  • AnimateLCM-SVD-xt。我提供了AnimateLCM-SVD-xt和AnimateLCM-SVD-xt 1.1,它们分别从SVD-xtSVD-xt 1.1调优而来。它们可以用1~8步生成25帧的高分辨率图像动画。你可以在Hugging Face的演示中尝试。感谢Hugging Face团队提供的GPU资源。

  • AnimateLCM-I2V。这是一个空间LoRA权重和一个带有额外图像编码器的运动模块,用于个性化图像动画。这是我们尝试直接训练一个图像动画模型,以实现快速采样而无需任何教师模型。它可以用2~4步生成个性化图像的动画。但由于训练资源非常有限,它的稳定性不如我希望的那样(就像大多数基于Stable-Diffusion-v1-5构建的I2V模型一样,它们在生成时通常不太稳定)。

安装和使用说明

我们将animatelcm_sd15和animatelcm_svd分成两个文件夹。它们基于不同的环境。请参考README_animatelcm_sd15README_animatelcm_svd获取使用说明。

使用技巧

  • AnimateLCM-T2V

    • 4步通常可以达到不错的效果。为了更好的质量,可以使用6~8步推理来提高生成质量。
    • CFG比例应设置在1~2之间。设置CFG=1可以将采样成本减半。但通常,我更喜欢使用CFG 1.5并设置适当的负面提示词来采样,以获得更好的质量。
    • 采样时将视频长度设置为16帧。这是模型训练时使用的长度。
    • 这些模型应该可以以零样本方式与IP-Adapter、ControlNet和许多为Stable Diffusion调优的适配器一起使用。如果你希望获得更好的组合效果,可以尝试使用我提供的无教师自适应脚本一起调优它们。这不会影响采样速度。
  • AnimateLCM-I2V

    • 2-4步应该可以用于个性化图像动画。

    • 在大多数情况下,模型不需要CFG值。只需将CFG设为1以减少推理成本。

    • 我额外设置了一个"运动比例"超参数。默认设置为0.8。如果将其设置为0.0,你应该总是得到静态动画。你可以增加运动比例来获得更大的动作,但有时会导致生成失败。

    • 典型的工作流程可以是:

      • 使用你的个性化图像模型生成高质量图像。
      • 将生成的图像作为输入,并重复使用相同的提示词进行图像动画。
      • 你甚至可以进一步应用AnimateLCM-T2V来改善最终的运动质量。
  • AnimateLCM-SVD

    • 1-4步应该可以工作。
    • SVD需要两个CFG值:CFG_minCFG_max。默认情况下,CFG_min设置为1。在[1, 1.5]之间稍微调整CFG_max将获得良好的结果。同样,将其设置为1以减少推理成本。
    • 对于AnimateLCM-SVD-xt的其他超参数,请直接遵循原始SVD设计。

相关说明

比较

AnimateLCM-T2V的屏幕录制。提示词:"戴墨镜的狗"。

case2x2

<div align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/a7a122a4-1194-4fdf-bde4-c297a5d78cc7.png" alt="comparison" style="zoom:80%;" /> </div>

联系与合作

我愿意进行合作,但不接受全职实习。如果你对我的一些工作感兴趣,希望以任何形式进行合作/讨论,请随时联系我。

📧 邮箱:fywang@link.cuhk.edu.hk

致谢

我要感谢**AK**宣传我们的工作,感谢Hugging Face团队在构建Gradio演示和存储模型方面提供的帮助。还要感谢Dhruv Nair在diffusers方面提供的帮助。

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多