上一篇
HoloDrive是什么？一文让你看懂HoloDrive的技术原理、主要功能、应用场景
Perception-as-Control是什么？一文让你看懂Perception-as-Control的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
Perception-as-Control概述简介
Perception-as-Control是阿里巴巴通义实验室推出的图像动画框架，能根据用户意图实现细粒度的运动控制。Perception-as-Control基于构建3D感知运动表示，将相机和物体运动转化为直观、一致的视觉变化，用感知结果作为运动控制信号，支持多种与运动相关的视频合成任务。Perception-as-Control框架基于U-Net架构的扩散模型，结合参考图像的外观信息和运动控制信号的运动信息，生成可控的图像动画。Perception-as-Control推出三阶段训练策略，平衡相机和物体运动控制，促进细粒度运动控制，在多种应用场景中展现出优越的性能。
Perception-as-Control的功能特色
细粒度协同运动控制：实现相机和物体运动的协同控制，支持用户用细粒度的方式控制动画中的各个元素。让用户精确地调整场景中物体的运动及相机的视角变化。
多种运动相关视频合成任务：支持多种与运动相关的视频合成任务，包括基于图像的运动生成、基于视频的运动克隆、运动转移和运动编辑。
运动生成：根据用户输入的参考图像和2D轨迹生成动画。
运动克隆：模仿源视频中的相机和物体运动。
运动转移：将源视频中的局部运动转移到参考图像中的不同位置和尺度的对象上。
运动编辑：用户提供分割掩码，编辑分割掩码内的运动。
3D感知运动表示：基于构建3D感知运动表示，将复杂的3D场景简化为关键对象部分（用单位球表示）和世界包络，实现直观且一致的视觉变化。
Perception-as-Control的技术原理
3D感知运动表示：将3D场景简化为关键对象部分（用单位球表示）和世界包络，基于3D点跟踪和视觉里程计技术捕捉局部物体运动和全局相机运动。
网络架构：基于去噪U-Net架构，用两个轻量级编码器分别编码相机和物体控制信号，避免RGB级别的干扰，融合模块合并编码信号。
参考图像注入：ReferenceNet将参考图像的外观信息注入到生成过程中，确保生成的视频保持参考图像的特定外观。
三阶段训练策略：
第一阶段：仅训练相机编码器，处理仅含相机运动的视频剪辑。
第二阶段：加入物体编码器和融合模块，处理包含相机和物体运动的视频剪辑。
第三阶段：基于稀疏单位球实现细粒度物体运动控制，自适应确定每个渲染点的控制范围。
扩散模型：用图像扩散概率模型的基本原理，使用去噪U-Net架构生成视频，优化目标是最小化预测噪声与实际噪声之间的差异，条件输入包括参考图像和运动控制信号。
Perception-as-Control项目介绍
项目官网：https://chen-yingjie.github.io/projects/Perception-as-Control/
GitHub仓库：https://github.com/chen-yingjie/Perception-as-Control
arXiv技术论文：https://arxiv.org/pdf/2501.05020
Perception-as-Control能做什么？
电影和视频特效：生成具有特定运动的动画场景，模仿现有视频中的复杂运动，或将一个角色的运动转移到另一个角色上。
游戏开发：为游戏角色和物体生成自然且可控的动画，提升游戏的沉浸感和动态效果。
虚拟现实（VR）和增强现实（AR）：在VR环境中生成实时动画反馈，增强用户互动体验；在AR应用中将虚拟物体动画与现实场景融合。
广告和营销：生成吸引人的动态广告和品牌推广动画，提升品牌形象和记忆点。
教育和培训：生成科学实验动画和技能培训模拟动画，帮助学生和学员更好地理解和掌握知识和技能。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
AIMv2是什么？一文让你看懂AIMv2的技术原理、主要功能、应用场景2025-04-05 -
VideoRefer是什么？一文让你看懂VideoRefer的技术原理、主要功能、应用场景2025-04-05
-
Claude Computer Use是什么？一文让你看懂Claude Computer Use的技术原理、主要功能、应用场景2025-04-05
-
SpeechGPT 2.0-preview是什么？一文让你看懂SpeechGPT 2.0-preview的技术原理、主要功能、应用场景2025-04-05
-
Bark是什么？一文让你看懂Bark的技术原理、主要功能、应用场景2025-04-05
-
Add-it是什么？一文让你看懂Add-it的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
hailuo ai kungfu
使用Hailuo ai功夫轻松地将照片转换为动态的功夫视频。无需专业技能 - 只需单击即可使您的照片栩栩如生！...
vocalo ai
通过Vocalo.ai（AI驱动的平台）提高您的英语技能，该平台在说话，听力，语法等方面立即提供帮助。非常适合寻求全面有效的实践经验的语言学习者。...
adaptiv
Adaptiv为职业发展提供了全面的解决方案，利用AI技术提供量身定制的指导和学习机会。通过我们平台的大量资源以自信和效率达到您的职业目标。...
ai colors
AI颜色提供了强大的AI驱动调色板发电机，用于创建独特而优雅的调色板。在为您的设计生成完美的组合之前，享受浏览，编辑和可视化调色板。用AI颜色生成创意...
audyo
使用Audyo将书面单词转换为高质量的音频 - AI文本到音频生成器。仅通过打字就以栩栩如生的声音和无缝的转换打动了您的观众。非常适合演示，播客等。...
ai medical scribe
引入AI医学抄写员，这是一种用于医生的数字护理工具。它由AI技术提供支持，以精确和效率创建肥皂笔记，节省宝贵的时间并改善患者护理。告别手动笔记，并向更...
business card scanner
名片扫描仪是一种在线工具，可以从图像，PDF，手写笔记和印刷文档中提取文本。使用高级OCR算法以准确的结果，它是用户友好且快速的。您可以在各种操作系统...
productivity tool
通过这种免费的AI驱动工具，最大程度地提高了您的生产率。收到个性化建议，无需任何费用或登录。提高AI技术的最新专家建议，使其更加高效。...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
