AnimateLCM

⚡️AnimateLCM：通过解耦一致性学习加速个性化模型和适配器的动画生成

[论文] [项目页面 ✨] [🤗Hugging Face 演示] [预训练模型] [Civitai]

作者：王福云、黄钊阳📮、施小雨、边伟康、宋广璐、刘宇、李鸿升📮

示例 1	示例 2	示例 3

如果您使用了我们工作的任何部分，请引用：

@article{wang2024animatelcm,
  title={AnimateLCM: Accelerating the Animation of Personalized Diffusion Models and Adapters with Decoupled Consistency Learning},
  author={Wang, Fu-Yun and Huang, Zhaoyang and Shi, Xiaoyu and Bian, Weikang and Song, Guanglu and Liu, Yu and Li, Hongsheng},
  journal={arXiv preprint arXiv:2402.00769},
  year={2024}
}

新闻

[2024.05]: 🔥🔥🔥 我们发布了用于加速稳定视频扩散的训练脚本。
[2024.03]: 😆😆😆 我们发布了用于快速图像动画的AnimateLCM-I2V和AnimateLCM-SVD。
[2024.02]: 🤗🤗🤗 发布预训练模型权重和Huggingface演示。
[2024.02]: 💡💡💡 技术报告已在arXiv上发布。

以下是使用示例的屏幕录像。提示词："倒映山脉的河流"

案例1x2

简介

一致性模型是由杨松教授提出的一种有前景的新型生成模型家族，用于快速且高质量的生成。

Animate-LCM是一项开创性工作，探索了遵循一致性模型的快速动画生成，能够在4次推理步骤内生成高质量的动画。

它依赖于解耦学习范式，首先学习图像生成先验，然后学习时间生成先验以实现快速采样，大大提高了训练效率。

AnimateLCM的高级工作流程可以概括为

演示

我们在项目页面上发布了许多由Animate-LCM生成的演示视频。总的来说，AnimateLCM适用于快速、文本到视频、控制到视频、图像到视频、视频到视频风格化以及长视频生成。

模型

到目前为止，我们已经发布了三个可供使用的模型

Animate-LCM-T2V：用于个性化视频生成的空间LoRA权重和运动模块。社区的一些尝试表明，该运动模块也与许多为LCM调优的个性化模型兼容，例如Dreamshaper-LCM。
AnimateLCM-SVD-xt。我提供了AnimateLCM-SVD-xt和AnimateLCM-SVD-xt 1.1，它们分别从SVD-xt和SVD-xt 1.1调优而来。它们可以用1~8步生成25帧的高分辨率图像动画。你可以在Hugging Face的演示中尝试。感谢Hugging Face团队提供的GPU资源。
AnimateLCM-I2V。这是一个空间LoRA权重和一个带有额外图像编码器的运动模块，用于个性化图像动画。这是我们尝试直接训练一个图像动画模型，以实现快速采样而无需任何教师模型。它可以用2~4步生成个性化图像的动画。但由于训练资源非常有限，它的稳定性不如我希望的那样（就像大多数基于Stable-Diffusion-v1-5构建的I2V模型一样，它们在生成时通常不太稳定）。

安装和使用说明

我们将animatelcm_sd15和animatelcm_svd分成两个文件夹。它们基于不同的环境。请参考README_animatelcm_sd15和README_animatelcm_svd获取使用说明。

使用技巧

AnimateLCM-T2V：
- 4步通常可以达到不错的效果。为了更好的质量，可以使用6~8步推理来提高生成质量。
- CFG比例应设置在1~2之间。设置CFG=1可以将采样成本减半。但通常，我更喜欢使用CFG 1.5并设置适当的负面提示词来采样，以获得更好的质量。
- 采样时将视频长度设置为16帧。这是模型训练时使用的长度。
- 这些模型应该可以以零样本方式与IP-Adapter、ControlNet和许多为Stable Diffusion调优的适配器一起使用。如果你希望获得更好的组合效果，可以尝试使用我提供的无教师自适应脚本一起调优它们。这不会影响采样速度。
AnimateLCM-I2V：
- 2-4步应该可以用于个性化图像动画。
- 在大多数情况下，模型不需要CFG值。只需将CFG设为1以减少推理成本。
- 我额外设置了一个"运动比例"超参数。默认设置为0.8。如果将其设置为0.0，你应该总是得到静态动画。你可以增加运动比例来获得更大的动作，但有时会导致生成失败。
- 典型的工作流程可以是：
  - 使用你的个性化图像模型生成高质量图像。
  - 将生成的图像作为输入，并重复使用相同的提示词进行图像动画。
  - 你甚至可以进一步应用AnimateLCM-T2V来改善最终的运动质量。
AnimateLCM-SVD：
- 1-4步应该可以工作。
- SVD需要两个CFG值：CFG_min和CFG_max。默认情况下，CFG_min设置为1。在[1, 1.5]之间稍微调整CFG_max将获得良好的结果。同样，将其设置为1以减少推理成本。
- 对于AnimateLCM-SVD-xt的其他超参数，请直接遵循原始SVD设计。