[CVPR 2024] Video-P2P：基于交叉注意力控制的视频编辑

Video-P2P的官方实现。

刘少腾、张悦辰、李文博、林喆、贾佳亚

更新日志

• 2023.03.20 发布演示。
• 2023.03.19 发布代码。
• 2023.03.09 论文预印本发布在arXiv上。

待办事项

• 发布包含6个示例的代码。
• 更新更快的版本。
• 发布数据。
• 发布Gradio演示。
• 添加本地Gradio演示。
• 发布更多配置和新应用。

环境配置

conda create --name vp2p python=3.9
conda activate vp2p
pip install -r requirements.txt

代码在Tesla V100 32GB和RTX3090 24GB上均经过测试。至少需要20GB显存。

环境类似于Tune-A-Video和prompt-to-prompt。

在3090上使用xformers可能会遇到这个问题。

快速开始

请将pretrained_model_path替换为你的stable-diffusion路径。

要下载预训练模型，请参考diffusers。

请下载sd1.5并在这一行填写路径。

# 第一阶段：调优以进行模型初始化。

# 你可以减少调优轮数来加快速度。
python run_tuning.py  --config="configs/rabbit-jump-tune.yaml"

# 第二阶段：注意力控制

# 我们开发了一个更快的模式（在V100上需要1分钟）：
python run_videop2p.py --config="configs/rabbit-jump-p2p.yaml" --fast

# 官方模式（在V100上需要10分钟，更稳定）：
python run_videop2p.py --config="configs/rabbit-jump-p2p.yaml"

在Video-P2P/outputs/xxx/results中找到你的结果。

数据集

我们在这里发布了我们的数据集。

将它们下载到**./data**目录下，发挥你的创造力！

结果

configs/rabbit-jump-p2p.yaml	configs/penguin-run-p2p.yaml
configs/man-motor-p2p.yaml	configs/car-drive-p2p.yaml
configs/tiger-forest-p2p.yaml	configs/bird-forest-p2p.yaml

Gradio演示

运行以下命令来启动使用gradio构建的本地演示：

python app_gradio.py

在HuggingFace上找到演示这里。演示代码大量借鉴了Tune-A-Video。

引用

@misc{liu2023videop2p,
      author={Liu, Shaoteng and Zhang, Yuechen and Li, Wenbo and Lin, Zhe and Jia, Jiaya},
      title={Video-P2P: Video Editing with Cross-attention Control}, 
      journal={arXiv:2303.04761},
      year={2023},
}

参考

• prompt-to-prompt: https://github.com/google/prompt-to-prompt
• Tune-A-Video: https://github.com/showlab/Tune-A-Video
• diffusers: https://github.com/huggingface/diffusers