Project Icon

IJCAI2023-CoNR

基于神经渲染的动漫角色动画生成技术

IJCAI2023-CoNR项目开发了一种协作式神经渲染技术,可将手绘动漫角色设定图转换为舞蹈视频。该技术结合超密集姿态序列和角色设定图,实现高质量动画生成。这项研究为动漫创作提供了新工具,可能显著改变传统动漫制作流程。项目已开源代码和数据集,并提供在线演示和教程,便于研究者和开发者探索应用。

英文 | 中文

使用动漫角色设定图的协同神经渲染

我们的论文已被IJCAI2023特别专题接收(三位评审均给出"接受"评级),论文修订版可在此处查看。-> 海报

2023/4/18:数据集现已在CoNR_Dataset发布!🎉

演示页面 | Colab 英文/中文 | arXiv | 哔哩哔哩 | YouTube | CoNR_Dataset

图片 图片 图片

简介

本项目是使用动漫角色设定图的协同神经渲染的官方实现,旨在从手绘动漫角色设定图(ACS)生成生动的舞蹈视频。1 更多演示和详细信息,请观看我们强烈推荐的哔哩哔哩YouTube视频。我们的知乎FAQ(中文)解释了CoNR背后的理念。

使用方法

前提条件

  • NVIDIA GPU + CUDA + CUDNN
  • Python 3.6

安装

  • 克隆此仓库
git clone https://github.com/megvii-research/CoNR
  • 依赖项

要安装所有依赖项,请运行以下命令。

cd CoNR
pip install -r requirements.txt
  • 下载权重 从Google Drive下载权重。或者,您可以从百度网盘下载(密码:RDxc)。
mkdir weights && cd weights
gdown https://drive.google.com/uc?id=1M1LEpx70tJ72AIV2TQKr6NE_7mJ7tLYx
gdown https://drive.google.com/uc?id=1YvZy3NHkJ6gC3pq_j8agcbEJymHCwJy0
gdown https://drive.google.com/uc?id=1AOWZxBvTo9nUf2_9Y7Xe27ZFQuPrnx9i
gdown https://drive.google.com/uc?id=19jM1-GcqgGoE1bjmQycQw_vqD9C5e-Jm

准备输入

我们为两个角色提供了两个超高密度姿态序列。你可以参考我们的论文通过3D模型和动作生成更多的UDP,或使用MMD2UDP(感谢@KurisuMakise004)。 百度网盘(密码:RDxc)

# 短发女孩
gdown https://drive.google.com/uc?id=11HMSaEkN__QiAZSnCuaM6GI143xo62KO
unzip short_hair.zip
mv short_hair/ poses/

# 双马尾女孩
gdown https://drive.google.com/uc?id=1WNnGVuU0ZLyEn04HzRKzITXqib1wwM4Q
unzip double_ponytail.zip
mv double_ponytail/ poses/

我们提供了动漫角色设定图的样本输入。你也可以自己绘制更多。 角色设定图需要从背景中裁剪出来,并以png格式保存。 百度网盘(密码:RDxc)

# 短发女孩
gdown https://drive.google.com/uc?id=1r-3hUlENSWj81ve2IUPkRKNB81o9WrwT
unzip short_hair_images.zip
mv short_hair_images/ character_sheet/

# 双马尾女孩
gdown https://drive.google.com/uc?id=1XMrJf9Lk_dWgXyTJhbEK2LZIXL9G3MWc
unzip double_ponytail_images.zip
mv double_ponytail_images/ character_sheet/

运行!

  • 使用网页界面(由Streamlit提供支持)
streamlit run streamlit.py --server.port=8501

然后打开浏览器访问localhost:8501,按照指示生成视频。

  • 通过终端
mkdir {结果保存目录}

python -m torch.distributed.launch \
--nproc_per_node=1 train.py --mode=test \
--world_size=1 --dataloaders=2 \
--test_input_poses_images={姿态目录} \
--test_input_person_images={角色设定图目录} \
--test_output_dir={结果保存目录} \
--test_checkpoint_dir={权重目录}

ffmpeg -r 30 -y -i {结果保存目录}/%d.png -r 30 -c:v libx264 output.mp4 -r 30

引用

@inproceedings{lin2023conr,
  title={Collaborative Neural Rendering using Anime Character Sheets},
  author={Lin, Zuzeng and Huang, Ailin and Huang, Zhewei},
  booktitle = {Proceedings of the Thirty-First International Joint Conference on Artificial Intelligence (IJCAI)},
  year={2023}
}

Footnotes

  1. 林祖增未参与AAAI23和IJCAI23的投稿,这些投稿是在看到CVPR22和ECCV22令人心碎的评审结果后,由其他作者单独完成的。他在2020年底探索了用AI辅助动画创作的想法,并提出CoNR作为解决一致性和艺术控制问题的基线方法。其他作者在他退出后修改了他的草稿至现在的状态并制作了演示视频,但他们并未参与后续版本的开发。他感谢与许多对这个项目感兴趣的人的讨论,以及2021年9月Live3D公开测试版的用户。

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号