懂AI
PortraitGen-code

PortraitGen-code

肖像视频编辑技术，结合多模态生成模型

这个项目实现了一种创新的肖像视频编辑方法，采用多模态生成模型来实现统一且高表达力的风格转换，能够处理单目RGB视频中的文本和图像驱动的高质量编辑以及光照调整，从而提高面部结构呈现的质量。

PortraitGen多模态生成视频编辑3D重建风格迁移Github开源项目
访问官网GitHub论文

PortraitGen是一个强大的肖像视频编辑方法，其核心创新在于利用多模态生成先验知识实现一致且富有表现力的风格化处理。该项目的官方实现依托于SIGGRAPH Asia 2024发表的论文“Portrait Video Editing Empowered by Multimodal Generative Priors”。此项目的代码、数据集以及预训练模型均已在GitHub上开放。

项目目标

PortraitGen旨在解决肖像视频的编辑难题，通过多模态提示实现文本驱动的编辑、图像驱动的编辑和重新打光的处理。给定一个单目RGB视频，该模型可以进行高质量的编辑，使得视频在风格化的同时保持面部表情的真实性和个性化。

工作流程

  1. 初始追踪：首先，系统追踪视频中SMPL-X系数，以便于后续的3D重建。

  2. 3D特征生成：使用神经高斯纹理机制来生成3D高斯特征场。这些神经高斯特征用于渲染肖像图像。

  3. 迭代数据更新策略：项目使用了一个迭代数据更新策略来提升肖像编辑的效果。

  4. 多模态面部感知编辑模块：该模块用于增强表情质量并保留个性化的面部结构。

项目设置

  • 创建并激活python环境，安装所需库。
  • 根据不同的操作系统和计算平台安装适合的Torch和Torchvision。
  • 安装nvdiffrast、EMOCA和simple-knn中的相关模块。
  • 下载必要的SMPL-X 2020模型数据以进行3D几何建模。

编辑功能

  1. 文本驱动编辑：借助InstructPix2Pix作为2D编辑器，通过指令式风格提示来进行视频编辑。

  2. 图像驱动编辑：包括风格迁移和虚拟试穿。

    • 风格迁移使用的是神经风格迁移技术，通过参考图像来改变视频的风格。
    • 虚拟试穿则是通过AnyDoor工具来更换视频中人物的衣物。

  3. 重新打光：使用IC-Light工具，通过改变光源方向和光线描述来实现不同的光照效果。

数据准备和模型使用

用户可以下载项目中预处理的数据集或自行准备数据进行3D高斯肖像的重建。通过下载项目提供的预训练肖像模型，用户也可以直接进行编辑操作。

PortraitGen项目为研究人员和开发者提供了丰富而灵活的工具，使他们能够在肖像视频编辑中实现高度自定义的效果。项目的核心贡献在于通过多模态生成先验知识进行创新型的肖像编辑，适用于多种应用场景。

编辑推荐精选

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。

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
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。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多