本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

先给一张侧脸（关键帧1）：

再给一张正脸（关键帧2）：

然后仅仅根据这两张图片，AI处仅需理了一下，便能生成整个运动过程：

而且不只是简单的那种，连在运动过程中的眨眼动作也“照顾”得很到位。

效果一出，便在Reddit上引发了不少热议：

仅需2个关键帧，如何实现完2张整运动？

不需要冗长的训练过程。

不需要大量的训练数据集。

这是论文作者对本次工作提出的两大亮点。

具体而言，这项工作就是基于关键帧将视频风格化。

先输入一个视频序列 I图， ，它由N个帧组织，每一帧都有一个掩膜Mi来划分感兴趣的区域。

与此前方法不同的是，这种风格迁移是以随机顺序进行的，不需要等待顺序靠前的帧先完成风格化，也不需要对来自AI不同关键帧的风格化内容进行显式合并。

也就是说，该方法实际上是一种翻译过滤器，可以快速从几个异构的手绘示例 Sk 中学习风格，并将其“翻译”给视频序列 I 中的任何一帧。

这个图像便可转换框架基于 U-net 实现。并且，研究人员采用基于图像块 （patch-based）的训练方式和抑制视频闪烁的解决方案，解决了少样本训练和时间一致性的问题生成。

而为了避免过拟合，研究人员采用了基于图像块的训练策略。

从原始关键帧（Ik）中随机抽取一组图像块（a），在网络中生成它们的风格化对应块（b）。

然后，计算这些风格完整化对应块（b）相对于从风格化关键帧（Sk）中取样对应图像块的损失，并对误差进行反向传播。

这样的训练方案不限于任何特定的损失函数。本项研究中，采用的是L1损失、对抗性损运动失和VGG损失的组合。

另一个问题便是超参数的优化。

这是因为不当的超参数可能会导致推理质量低下。

研究人员使用网格搜索法，对超参数的4维空间进行采样：Wp——训练图像过程块的大小；Nb——一个batch中块的数量；α——学习率；Nr——ResNet块的数量。

对于每一个超参数设置：

（1）执行给定时间训练；

（2）对不可见帧进行推理；

（3）仅需计算推理出的帧（O4）和真实值（GT4）之间的损失。

而目标就是将这个损失最小化。

团队介绍

这项研究一作为Ondřej Texler，布拉格捷克理工大学计算机图形与交互2张系的博士生。

而除了此次的工作之外，先前他和团队也曾做过许多有意思的工作。

例如一边画着手绘画，一边让它动起来。

再例如给一张卡通图片，便可让视频中的你顶着这张图“声情并图，茂”。

想了解更多有趣的研究，可戳下方链接。

参考链接：

[1]https://www.reddit.com/r/MachineLearning/comments/AIn3b1m6/r_fewshot_patchbased_training_siggraph_2020_dr/
[2]https://ondrejtexler.github便可.io/patch-based_training/index.html

• ·动态计算图和GPU支持操作
• ·京东自研的「京点点AI文案」全新上线，3秒出稿
• ·《长安三万里》票房破11亿 追光动画打破魔咒
• ·苹果秘密测试“Veritas”:为大改版Siri铺路，但无意向公众开放
• ·标签: 马云 阿里巴巴 云谷学校 AI教育
• ·标签: 云英谷科技 OLED驱动芯片 AMOLED Micro-OLED
• ·云安全日报210416：思科RV系列路由器发现执行任意代码漏洞,需要尽快升级
• ·标签: 埃森哲 Faculty AI初创 并购
• ·标签: 阿里巴巴 阿里云 李飞飞 通义实验室
• ·​阿里云推出新一代动作生成模型 Wan2.2-Animate，全面开源！
• ·标签: 工信部 抖音 微信 AI拜年
• ·哪些是有氧运动
• ·全国首个跨省域智慧大脑上线 阿里云提供技术支持
• ·宝马将成为首家使用亚马逊AWS云平台的汽车制造商
• ·​微软正式推出首款自家 AI 图像生成器 MAI-Image-1
• ·云安全日报211221：红帽身份验证和访问控制系统发现重要漏洞，需要尽快升级