2023年,AI大模型几乎颠覆了我们的生活,科目三不动也能跳,一张照片即能生成视频,它又是如何与电商结合的呢?就让我们一起来看看吧! 捋一捋时间线也能发现,国外短视频达人开始“病毒式传播”科目三的时间点,恰好是在去年10-11月份左右。差不多在同一时期,阿里云旗下团队就发布了“全能舞王”相关的大模型技术文档。 要知道,科目三这个舞种不同于一般手势舞,是需要一定的舞蹈基础和四肢协调性的。换句话说,在国外也并非所有人都能轻松驾驭。 但阿里云发布的这篇论文,则通过“Animate Anyone”的模型,将固定的角色图像转化为特定姿势序列控制的动画视频,换句话说,之前一点舞蹈基础都没有的人,现在可以通过这个模型,开局只需一张图,就能为所有舞蹈小白,提供了在短视频领域“走上舞台”的可能。 也因此,这条介绍“Animate Anyone”的推文在发布不到一个月,就斩获了超过5000万的点击,也就不足为奇了。 二、让图片跳起“科目三”在“Animate Anyone”出现之前,从静态图像到动态视频的合成,仍然有很多“坎”需要过, 首先是细节一致性。举个例子就是,现在市面上的AI图片或者文字生成视频,很多时候主体之外的图像会出现局部变形、细节模糊和帧数不可控的问题,这些都会影响视频生成的质量。 再比如动作控制和连贯性。因为视频如果要商用,视频里人物的动作是需要保证可控性的。如果是AI生成,则主要通过预先输入的动作序列来控制角色动作。但在目前AI视频的角色动作,还无法完全靠prompt精准控制。 在图片生成文字的过程中,还需处理的是图像到视频的转换过程,并且需要保证这个过程中,图像的空间与时间一致性。 在此之前,诸如stable Diffusion、midjourney等AIGC产品虽然已经初步具备了文生图和图生图、图生视频等跨模态生成能力,但在AI生成视频领域,前面提到的问题仍然没有得到解决。 “Animate Anyone”则在很大程度上,对前述相关问题作出了改进。首先团队通过名为“ReferenceNet”的辅助模型,用来捕捉参考图像的空间细节,这保证了角色每一帧外观细节的一致性; 其次,团队使用了一种高效的Pose Guider姿态引导器,这让角色的运动姿势得到了有效控制,体现在视频中,则是让视频角色按设定好的姿势进行运动,并具备稳定的过渡,保证连续性和流畅性; 此前AI生成的视频细节为何不可控,很大程度上是因为每一帧的时间关系不够紧密,很多细节没办法保留到下一帧。在“Animate Anyone”的模型里,则通过一个时序生成模块来保证多个视频帧之间的关系,很多高分辨率的细节得以全程保留。 即便是解决了这么多技术难题,单看目前“全能舞王”的生成效果,也与真人上镜有一定的差距。譬如生成的舞蹈节奏是平均的,但现实音乐大多数都是快慢分布。这让“科目三”的生成效果不可避免打了折扣。 但与一众大模型前辈相比,“Animate Anyone”已经把最重要的形象一致性和姿态稳定、多帧关系控制等关键问题搞定,在图生视频赛道上,已经完成10-60+分的突破。 三、AI电商的另一块拼图?图生视频从10分到60分,意味着什么? 意味着它不仅可以完整保留人脸、身材比例、服装细节和背景信息,同时还能对生成的动作做精准控制,且在技术上生成的视频长度不受限制。与Gen2、Pika等文本生成视频的产品比, AnimateAnyone更聚焦人本身。 也就是说,起码在图生视频这一块,“Animate Anyone”已经将AI视频从“玩具”变成了“可初步商用”。再加上阿里近期发布的“Outfit Anyone”,用户可以仅仅用服饰的平铺图,就可以实现上下装的试穿。 如果与二者结合。用户不仅可以通过上传一张照片,试穿自己心仪的大多数服装,而且可以通过动态动画,直接预览它的上身效果。与其说淘宝模特因为AI失业,不如说AI让所有人都可以成为自己的模特。 当然,“Animate Anyone”能够应用的地方也不止于此,很多游戏开发人员大可使用这种算法,将静态的游戏角色图像转换为具有不同动作和姿势的动画角色,以此实现同一款素材的多次复用,并增加对应角色的沉浸感和可信度。 而大家在淘宝买东西,最怕的是什么?就是“卖家秀”和“买家秀”的差异所带来的低可信度。但在自己的AI化身成为淘宝模特之后,这个顾虑很大程度上会被打消,交易中最重要的信任成本也因此消失。 还记得在拼多多市值刚刚超越阿里巴巴的时候,马云老师除了表示对拼多多的祝贺,还专门提到了“AI电商”的概念:“AI电商时代刚刚开始,对谁都是机会,也是挑战。” 在价格和交易环节,它可能是基于AI驱动的实时比价,助力消费者买到自己最心仪的产品;在服务和体验环节,它有可能是更优质的数字人售后和更身临其境的购物体验。 能替用户试穿衣服的“AI模特”不过只是服装品类体验的一小步,但就整个阿里AI电商的战略而言,它可能是无数基础拼图的其中一块,但也是极为重要的一块。 作者:老壶,监制:大曼 来源公众号:智商税研究中心(ID:gh_c55b3561ece1),尘世套路深,我替你踩坑! 本文由人人都是产品经理合作媒体 @智商税研究中心 授权发布,未经许可,禁止转载。 题图来自Unsplash,基于 CC0 协议 该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。 |