只需给一段文字,AI就能脑补出小动画

岳排槐 发自 凹非寺

量子位 出品 | 公众号 QbitAI

只需给一段文字,AI就能脑补出动漫小片

《摩登原始人》你看过么?

这是一道暴露年龄题。

安妮薇,《摩登原始人》是一部首播于1960年的喜剧动画片。第一季在豆瓣上被2.2万用户打出8.7分的评价。

现在,这部想象力爆棚的动画片,被用来训练出了一个想象力惊人的AI。有多惊人?看过的人都说鹅妹子嘤~

只需给一段文字,AI就能脑补出动漫小片

只需要给一段脚本,或者说文本描述,AI就能脑补生成一段动漫小片。注意!这些动漫小片,都是你没有看过的全新版本。

生成的方法,就是AI根据描述,从原始动画片中找到对应的元素,提取出来。然后再调整大小、比例、位置、角度、道具、前景、背景等,重新拼接在一起~

来,直接看展示。

交代一下,Fred、Wilma等都是这部动漫的主人公名字。

脚本:

Fred戴着一顶红帽子,正走在客厅里。

这是AI生成的视频:

只需给一段文字,AI就能脑补出动漫小片

脚本:

Betty和Wilma在客厅里聊天。她俩坐在沙发上,你一言我一语。

视频:

只需给一段文字,AI就能脑补出动漫小片

脚本:

Fred开车途中,一边想一边自言自语。

视频:

只需给一段文字,AI就能脑补出动漫小片

脚本:

Betty在厨房里打电话。

视频:

只需给一段文字,AI就能脑补出动漫小片

怎么样?是不是很厉害?

下面这段视频,有更多的集中展示。

数据集和模型

AI是怎么做到的呢?简单来说,首先得构建一个《摩登原始人》的数据集,这个数据集包括25000个动画片小段(75帧,约三秒)。

每一小段都经过了密集的标注。

标注信息包括,场景、主要角色的名称:Fred、Wilma等。对于不常出现的配角,会有人工添加简单的注释:警察、穿红衣的老头等。

然后,还要借助SLIC算法(Simple Linear Iterative Clustering) 、GrabCut自动图像分割算法、PatchMatch算法等对画面进行分割和重建。

只需给一段文字,AI就能脑补出动漫小片

经过这一系列的处理,就构成了AI可以利用的原始素材。

当然重中之重,就是AI模型的构建。

这个模型被称为Craft(Composition, Retrieval and Fusion Network)。从结构上来说,这个模型长这样:

只需给一段文字,AI就能脑补出动漫小片

主要包括三个部分:Layout Composer(布局编排器)、Entity Retriever(实体检索器)、Background Retriever(背景检索器)。

在“脑补”动漫小片时,Craft从空视频开始,根据脚本描述,依次添加场景中的实体。实体和背景检索器,会从数据集中搜索合适的素材,而布局编排器会对位置和比例进行调整。

最终上述种种融合,生成一段全新的小片。

只需给一段文字,AI就能脑补出动漫小片

上面这张图,就是布局编排器的工作原理。

当然这中间还涉及很多数学公式啊,实验啊什么的。如果你对这些细节感兴趣,可以直接前往论文查看。

地址:https://arxiv.org/abs/1804.03608

这个研究,出自AI2、UIUC等机构的几名学者之手。

还不完美

当然,当然,现阶段,这个研究远非无懈可击。

比方,画面的重建还相对粗糙,能明显看出拼贴的痕迹。

还有,AI有时会在理解脚本和重建视频上产生问题。

例如,搞错姿势(站着->坐着)、打电话时听筒位置不对、背景和人物动作不同步等等。还有下面这个案例。

脚本:Wilma正跟Fred讲话,而他坐在饭厅的餐桌前读书。Fred专注读书,没听Wilma在讲什么。

只需给一段文字,AI就能脑补出动漫小片

如果你仔细看,能发现两个人物关系搞反了。

还有更糟的。

对于极端复杂的场景,例如包括三个或以上罕见的实体对象,Craft脑补出来的动漫小骗堪称“灾难”。

就像这样。

只需给一段文字,AI就能脑补出动漫小片

不过,这个研究的意义在于,AI对于文本的理解,以及基于其上的视频生成。一切还都有进步空间。

更远一点,也许未来的动画工作室,不会再有一堆堆天才的动画师,取而代之的是能快速生成动画片的AI。

— 完 —

版权所有,未经授权不得以任何形式转载及使用,违者必究。