文章转载于量子位 (公众号 QbitAI) ControlNet作者张吕敏(Lvmin Zhang)又又又发新作了!新项星 输入任意一张图,目爆分分钟就能“拆解”成一个25秒的火秒咸宁市某某路桥科技运营部图像绘制过程视频: 从线稿到填色还有局部细节调整,全都有的出图那种: 而且不止动漫风,各种风格都能驾驭: 这个项目名为Paints-Undo,新项星发布不到24小时,目爆GitHub上已揽星600+: 网友们针对它的火秒讨论也经历了一轮又一轮,不少人纷纷表示“这个是出图真牛P”。 ……甚至因为效果太好,新项星咸宁市某某路桥科技运营部遭到网友吐槽: 手绘伪造成本又低了。目爆 还有不少网友已经玩上了: 1 Ctrl+ZZZZZZZ 据GitHub主页上的火秒介绍,Paints-Undo的出图命名有“其绘制过程就像是在绘画软件中多次按下撤消(Undo)按钮”之意。 该项目包含一系列模型,新项星展示了各种人类绘画行为,目爆比如素描、火秒勾线、上色、阴影、变形、左右翻转、调整色彩曲线、改变图层透明度,甚至在绘画过程中改变整体想法等等。 目前发布了两个型号: paints_undo_single_frame和paints_undo_multi_frame。 paints_undo_single_frame为单帧模型,基于SD1.5架构进行了改进,输入为一张图和一个operation step,并输出一张图。 operation step相当于Ctrl+Z(撤销)多少次,比如operation step为100,就相当于会得到一张Ctrl+Z 100次的效果图。 paints_undo_multi_frame是多帧模型,基于VideoCrafter打造,但没有使用原始Crafter的lvdm,所有的训练/推理代码都是从头开始完全实现。 经过训练后,多帧模型整体架构类似于Crafter,包含5个组成部分:3D-UNet、VAE、CLIP、CLIP-Vision、Image Projection。 多帧模型输入为两张图片,输出是这两张图片之间的16帧中间帧,其结果比单帧模型更加一致,但也更慢,创造性较低。 代码库默认方法是将两个模型一起使用: 首先使用单帧模型获取5-7个“关键帧”,然后使用多帧模型来“插值”这些关键帧,最终生成一个相对较长的视频。理论上甚至可以生成无限长的视频,但在开发测试中帧数为100-500时,结果较好。 可以通过以下方式在本地部署: 介绍中还提到,项目测试是在24GB显存的Nvidia 4090和3090TI上进行。理论上说,16GB的显存应该也够用,但8GB就不行了,最少需要大概10到12.5GB的显存。 根据不同配置,处理一张图大约需要5-10分钟。 生成视频时长25秒,帧率为4FPS,分辨率可能是320x512、512x320、384x448或448x384。 更多玩法展示 除了直接生成25秒的从线稿到上色的视频,还有其它玩法。 比如输入线稿,也能生成线稿绘制过程: 单输入多输出也可以: 或者还可以从一张图提取出不同精细程度的线稿: 插入一张线稿,直接在此线稿基础上填色也行: 感兴趣的家人们可以亲自动手试试~ GitHub链接: https://github.com/lllyasviel/Paints-UNDO |