!!! 查看我们的CVPR 2024新论文和代码，专为文本条件的图像到视频生成而设计

LFDM

我们CVPR 2023论文《使用潜在流扩散模型的条件图像到视频生成》的PyTorch实现。

更新

[2023年8月7日更新] 为MHAD数据集添加了多GPU训练代码。

[2023年5月12日更新] 发布了NATOPS数据集的测试演示。

[2023年3月31日更新] 添加了在NATOPS数据集上训练LFDM的说明。

[2023年3月27日更新] 添加了在MHAD数据集上训练LFDM的说明。

[2023年3月27日更新] 发布了MHAD数据集的测试演示。

[2023年3月26日更新] 添加了在MUG数据集上训练LFDM的说明。

[2023年3月26日更新] 我们的论文现已在arXiv上发布。

[2023年3月20日更新] 发布了MUG数据集的测试演示。

示例视频

以下视频中的所有主体在训练过程中均未出现。

MUG数据集上的一些生成视频结果。

MHAD数据集上的一些生成视频结果。

NATOPS数据集上的一些生成视频结果。

将在MUG上训练的LFDM应用于FaceForensics数据集。

预训练模型

演示

MUG数据集

1. 安装所需依赖。我们这里使用Python 3.7.10和Pytorch 1.12.1等。
2. 运行python -u demo/demo_mug.py生成示例视频。如有需要，请在代码文件和配置文件config/mug128.yaml中设置路径。MUG数据集的预训练模型已发布。

MHAD数据集

1. 安装所需依赖。我们这里使用Python 3.7.10和Pytorch 1.12.1等。
2. 运行python -u demo/demo_mhad.py生成示例视频。如有需要，请在代码文件和配置文件config/mhad128.yaml中设置路径。MHAD数据集的预训练模型已发布。

NATOPS数据集

1. 安装所需依赖。我们这里使用Python 3.7.10和Pytorch 1.12.1等。
2. 运行python -u demo/demo_natops.py生成示例视频。如有需要，请在代码文件和配置文件config/natops128.yaml中设置路径。NATOPS数据集的预训练模型已发布。

训练LFDM

我们的LFDM训练包括两个阶段：1. 以无监督方式训练潜在流自编码器（LFAE）。为加速训练，我们使用MRAA提供的预训练模型初始化LFAE，这些模型可以在他们的github上找到；2. 在LFAE的潜在空间上训练扩散模型（DM）。

MUG数据集

1. 从MUG数据集的网站下载数据集。
2. 安装所需的依赖项。这里我们使用Python 3.7.10和Pytorch 1.12.1等。
3. 划分训练/测试集。您可以使用与我们相同的划分方法，可在preprocessing/preprocess_MUG.py中找到。
4. 运行python -u LFAE/run_mug.py来训练LFAE。如有需要，请设置路径和配置文件config/mug128.yaml。
5. LFAE训练完成后，可以通过运行python -u LFAE/test_flowautoenc_mug.py来测量其自重建性能。
6. 运行python -u DM/train_video_flow_diffusion_mug.py来训练DM。如有需要，请设置路径和配置文件config/mug128.yaml。
7. DM训练完成后，可以通过运行python -u DM/test_video_flow_diffusion_mug.py来测试其生成性能。

MHAD数据集

1. 从MHAD数据集的网站下载数据集。
2. 安装所需的依赖项。这里我们使用Python 3.7.10和Pytorch 1.12.1等。
3. 裁剪视频帧并划分训练/测试集。您可以使用与我们相同的裁剪方法和划分，可在preprocessing/preprocess_MHAD.py中找到。
4. 运行python -u LFAE/run_mhad.py来训练LFAE。如有需要，请设置路径和配置文件config/mhad128.yaml。
5. LFAE训练完成后，可以通过运行python -u LFAE/test_flowautoenc_mhad.py来测量其自重建性能。
6. 运行python -u DM/train_video_flow_diffusion_mhad.py来训练DM。如有需要，请设置路径和配置文件config/mhad128.yaml。
7. DM训练完成后，可以通过运行python -u DM/test_video_flow_diffusion_mhad.py来测试其生成性能。

NATOPS数据集

1. 从NATOPS数据集的网站下载数据集。
2. 安装所需的依赖项。这里我们使用Python 3.7.10和Pytorch 1.12.1等。
3. 分割视频并划分训练/测试集。您可以使用与我们相同的分割方法和划分，可在preprocessing/preprocess_NATOPS.py中找到。
4. 运行python -u LFAE/run_natops.py来训练LFAE。如有需要，请设置路径和配置文件config/natops128.yaml。
5. LFAE训练完成后，可以通过运行python -u LFAE/test_flowautoenc_natops.py来测量其自重建性能。
6. 运行python -u DM/train_video_flow_diffusion_natops.py来训练DM。如有需要，请设置路径和配置文件config/natops128.yaml。
7. DM训练完成后，可以通过运行python -u DM/test_video_flow_diffusion_natops.py来测试其生成性能。

引用LFDM

如果您在研究中发现我们的方法有用，请考虑引用：

@inproceedings{ni2023conditional,
  title={Conditional Image-to-Video Generation with Latent Flow Diffusion Models},
  author={Ni, Haomiao and Shi, Changhao and Li, Kai and Huang, Sharon X and Min, Martin Renqiang},
  booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition},
  pages={18444--18455},
  year={2023}
}

如对代码有任何疑问，欢迎提出问题或联系我：homerhm.ni@gmail.com

致谢

我们的部分代码借鉴自MRAA、VDM和LDM。我们感谢这些代码库作者提供的宝贵实现。