ControlNet作者新项目爆火:25秒出图,不到一天GitHub揽星600+
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秒的火秒枣庄市某某商业展览培训学校图像绘制过程视频:
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,新项星枣庄市某某商业展览培训学校遭到网友吐槽:
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
本文地址:http://neijiang.9137.top/html/96e799845.html
版权声明
本文仅代表作者观点,不代表本站立场。
本文系作者授权发表,未经许可,不得转载。