AnimateLCM: 无需个性化视频数据的计算高效个性化风格视频生成
计算机视觉与模式识别
2024-10-17 v3 机器学习
摘要
本文介绍了一种有效的方法，用于计算高效的个性化风格视频生成，无需访问任何个性化视频数据。它将类似大小的视频扩散模型的必要生成时间从25秒减少到大约1秒，同时保持相同的性能水平。该方法的有效性在于其双层解耦学习方法：1）将视频风格的学习与视频生成加速分离，从而无需任何个性化风格视频数据即可生成个性化风格视频；2）将图像生成的加速与视频运动生成的加速分离，提高了训练效率并减轻了低质量视频数据的负面影响。
引用
@article{arxiv.2402.00769,
title = {AnimateLCM: Computation-Efficient Personalized Style Video Generation without Personalized Video Data},
author = {Fu-Yun Wang and Zhaoyang Huang and Weikang Bian and Xiaoyu Shi and Keqiang Sun and Guanglu Song and Yu Liu and Hongsheng Li},
journal= {arXiv preprint arXiv:2402.00769},
year = {2024}
}
备注
Accepted as a Short Paper by SIGGRAPH ASIA 2024 Technical Communications. This is a short version of the original work. Project Page: https://animatelcm.github.io/