TrajectoryCrafter:腾讯黑科技!单目视频运镜自由重构,4D生成效果媲美实拍

简介: TrajectoryCrafter 是腾讯与香港中文大学联合推出的单目视频相机轨迹重定向技术,支持后期自由调整视频的相机位置和角度,生成高质量的新型轨迹视频,广泛应用于沉浸式娱乐、创意视频制作等领域。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦


🎬 「运镜解放!腾讯ARC黑魔法:随手拍视频竟能后期改运镜轨迹?」

大家好,我是蚝油菜花。你是否经历过这些创作困境:

  • 👉 拍摄时手抖导致运镜生硬,成片像「帕金森纪录片」
  • 👉 想给产品视频加炫酷环绕镜头,租轨道车预算直接爆炸
  • 👉 剪辑时突发灵感想改视角,却发现原始素材根本不够用...

今天要揭秘腾讯ARC Lab的 TrajectoryCrafter ,这个用AI重构物理定律的神器,能让你在后期随意修改视频的相机轨迹!

🛠️ 三大颠覆性突破:

  • ✅ 单目视频秒变「4D建模」,支持任意平移/旋转/缩放轨迹
  • ✅ 双流扩散模型确保画面0穿帮,毛发纹理都能精准还原
  • ✅ 影视级泛化能力,从vlog到商业片场全面适配

导演们已经用它重制经典镜头,电商团队靠它生成360°产品展示——你的下个百万播放视频,可能就差这一次「运镜自由」!

🚀 快速阅读

TrajectoryCrafter 是一项用于单目视频相机轨迹重定向的创新技术。

  1. 核心功能:支持用户自由调整视频的相机轨迹,生成高保真、与源视频一致的新型轨迹视频。
  2. 技术原理:基于双流条件视频扩散模型,结合点云渲染和源视频,实现精确的视图变换和高质量内容生成。

TrajectoryCrafter 是什么

trajectorycrafter-3009091-hd_1280_720_30fps

trajectorycrafter-vlogger-corgi

TrajectoryCrafter 是由腾讯PCG ARC Lab和香港中文大学联合推出的一项创新技术,专注于单目视频的相机轨迹重定向。它允许用户在后期自由调整视频的相机位置和角度,轻松改变视频中的运镜方式,为视频创作提供更多可能性。

该技术基于解耦视图变换和内容生成的双流条件视频扩散模型,通过点云渲染和源视频作为条件输入,实现对用户指定相机轨迹的精确控制和高质量的4D内容生成。TrajectoryCrafter 的创新之处在于其双重重投影策略和混合数据集训练方法,显著提升了模型在多样化场景中的泛化能力。

TrajectoryCrafter 的主要功能

  • 精确轨迹控制:用户可指定任意相机轨迹(如平移、旋转、缩放等),生成与之匹配的视频内容。
  • 高保真视频生成:生成的视频在视觉上与原始视频保持一致,具备高质量的细节和纹理。
  • 4D一致性:生成的视频在空间上与目标轨迹一致,在时间上与原始视频保持连贯性,避免内容漂移或闪烁。
  • 多样化场景泛化:模型能适应各种场景,包括室内、室外、动态场景等,具有良好的泛化能力。

TrajectoryCrafter 的技术原理

  • 双流条件视频扩散模型:将相机轨迹的确定性变换与内容生成的随机性分开处理,基于点云渲染实现精确的视图变换,用视频扩散模型生成高质量的内容。
  • 双流条件机制:模型包含两个条件输入:点云渲染(用于精确控制视图变换)和源视频(用于提供细节和纹理)。通过独特的Ref-DiT模块(参考条件扩散变换器),将源视频的细节信息通过交叉注意力机制注入到生成过程中,提升生成视频的保真度。
  • 动态点云渲染:通过深度估计将单目视频转换为动态点云,根据用户指定的相机轨迹渲染新视图。点云渲染准确捕捉几何关系和视图变换,提供几何指导。
  • 混合数据集与训练策略:采用混合数据集策略,结合网络规模的单目视频和静态多视角数据集进行训练。通过双重重投影策略生成大规模的训练样本,提升模型在多样化场景中的泛化能力。

如何运行 TrajectoryCrafter

1. 克隆 TrajectoryCrafter 仓库

git clone --recursive https://github.com/TrajectoryCrafter/TrajectoryCrafter.git
cd TrajectoryCrafter

2. 设置环境

conda create -n trajcrafter python=3.10
conda activate trajcrafter
pip install -r requirements.txt

3. 下载预训练模型

可以通过 HuggingFace 或 git-lfs 下载预训练模型:

# 使用 HuggingFace(推荐)
sh download/download_hf.sh 

# 使用 git-lfs(速度较慢但更稳定)
sh download/download_lfs.sh

4. 运行推理

通过命令行运行推理脚本:

sh run.sh

5. 本地 Gradio 演示

运行本地 Gradio 演示:

python gradio_app.py

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发感兴趣,我会每日分享大模型与 AI 领域的开源项目和应用,提供运行实例和实用教程,帮助你快速上手AI技术!

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜:蚝油菜花 🥦

相关文章
|
8月前
|
存储 监控 固态存储
阿里云服务器配置选择参考:cpu与内存、带宽和云盘种类及容量选择注意事项参考
阿里云服务器配置选择参考:选择合适的阿里云服务器配置与云盘容量,用户需先明确业务需求,包括网站类型、访问量、应用类型、性能需求及数据安全性等。根据需求选CPU核心数、内存及带宽,如高并发场景需多核CPU与大内存。云盘容量上,系统盘建议20G-40G,数据盘依数据量选50G-100G或更大,并区分系统盘与数据盘用途。
|
7月前
|
开发工具 Swift iOS开发
Xcode 26.3 (17C529) 发布,解锁智能体编程的强大能力
Xcode 26.3 (17C529) 发布 - Apple 平台 IDE
2858 3
Xcode 26.3 (17C529) 发布,解锁智能体编程的强大能力
|
机器学习/深度学习 数据采集 编解码
Stable Video Diffusion:将潜在视频扩散模型扩展到大规模数据集——论文阅读
Stable Video Diffusion(SVD)是Stability AI提出的高分辨率视频生成模型,基于潜在扩散框架,通过三阶段训练与严格数据筛选,在文本到视频和图像到视频任务中实现高质量生成。论文系统研究了数据质量对模型性能的影响,提出级联切分检测、运动评分过滤、合成字幕优化等策略,并引入线性递增引导等创新技术,显著提升生成稳定性与视觉保真度。
1976 4
|
人工智能 编解码
ReCamMaster:视频运镜AI革命!单镜头秒变多机位,AI重渲染颠覆创作
ReCamMaster 是由浙江大学与快手科技联合推出的视频重渲染框架,能够根据用户指定的相机轨迹重新生成视频内容,广泛应用于视频创作、后期制作、教育等领域,提升创作自由度和质量。
1273 0
|
机器学习/深度学习 人工智能 自然语言处理
VidSketch:手残党逆袭!浙大AI神器草图秒变4K动画,三连提示词玩转影视级特效
VidSketch 是浙江大学推出的创新视频生成框架,通过手绘草图和简单文本提示生成高质量视频动画,降低视频创作的技术门槛,满足多样化的艺术需求。
707 6
VidSketch:手残党逆袭!浙大AI神器草图秒变4K动画,三连提示词玩转影视级特效
|
人工智能 编解码 数据建模
MIT颠覆传统!分形生成模型效率暴涨4000倍,高分辨率图像秒级生成
Fractal Generative Models 是麻省理工学院与 Google DeepMind 团队推出的新型图像生成方法,基于分形思想,通过递归调用模块构建自相似架构,显著提升计算效率,适用于高分辨率图像生成、医学图像模拟等领域。
743 0
MIT颠覆传统!分形生成模型效率暴涨4000倍,高分辨率图像秒级生成
|
机器学习/深度学习 存储 算法
DistilQwen2.5发布:通义千问蒸馏小模型再升级
为解决大语言模型在资源有限环境下的高计算成本和复杂性问题,阿里云推出了基于 Qwen2.5 的轻量化模型系列 DistilQwen2.5。该模型通过双层蒸馏框架、数据优化策略及参数融合技术,在保留性能的同时显著降低计算资源消耗。本文提供了详细的使用教程和代码示例,方便用户在 PAI 平台上调用。
|
人工智能
SynCamMaster:快手联合浙大、清华等大学推出的多视角视频生成模型
SynCamMaster是由快手科技联合浙江大学、清华大学等机构推出的全球首个多视角视频生成模型,能够结合6自由度相机姿势,从任意视点生成开放世界视频。该模型通过增强预训练的文本到视频模型,确保不同视点的内容一致性,支持多摄像机视频生成,并在多个应用场景中展现出巨大潜力。
607 4
SynCamMaster:快手联合浙大、清华等大学推出的多视角视频生成模型
|
机器学习/深度学习 计算机视觉
一文详解残差网络
残差网络(ResNet)源于2016年的论文《Deep Residual Learning for Image Recognition》,旨在解决深层网络中的梯度消失和爆炸问题。通过引入残差块,即在网络中添加跳跃连接,使得信息可以直接跨过多层传递,从而有效解决了网络加深导致的训练困难。ResNet不仅显著提高了模型性能,还促进了深度学习领域的发展。
3221 3
|
安全 网络协议 网络虚拟化

热门文章

最新文章