点击上方↑↑↑“OpenCV学堂”关注我
来源:公众号 量子位 授权
ControlNet作者张吕敏(Lvmin Zhang)又又又发新作了!
输入任意一张图,分分钟就能“拆解”成一个25秒的图像绘制过程视频:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPApzIhyh1BEW7iagkKjHzN3zT8HVyJUwj2IiaD5krCVBtLCX0nsrak0IibA/640?wx_fmt=gif&from=appmsg)
从线稿到填色还有局部细节调整,全都有的那种:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAOX4icfaV74ibPhN5GeQmWDpNZvo3IichMVZq6ymzrVN48EUhw4bHWcZ9A/640?wx_fmt=gif&from=appmsg)
而且不止动漫风,各种风格都能驾驭:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPASpz12JdX2hhw9uCgNTM3WYvK7ibVppPCaXntu7myLHGO6xEGu72x0og/640?wx_fmt=gif&from=appmsg)
这个项目名为Paints-Undo,发布不到24小时,GitHub上已揽星600+:
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAYM68GyQzMtKfhic3VATvbE8b26icuPa1ribfHFuqXtWibbSDXN1gz7WZug/640?wx_fmt=png&from=appmsg)
网友们针对它的讨论也经历了一轮又一轮,不少人纷纷表示“这个是真牛P”。
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPADpJTRwY7RDWqibeycYDlWTdq31KVVPA4PtxhU2roQ2ib4LOgHnvSicu3g/640?wx_fmt=png&from=appmsg)
……甚至因为效果太好,遭到网友吐槽:
手绘伪造成本又低了。
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAbFJyKkVCrAjt2mnRUPywwoD8MMv2K2ibqJLsF6czOs0R2pJ6HSyJDlw/640?wx_fmt=png&from=appmsg)
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAKCKFzl7WoOadMJNzYxFib2MRXG8pkJ1OYzocHia0fQE2zuV2ZLaNYdfg/640?wx_fmt=png&from=appmsg)
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAEYr8c5TAe7w2895cAM0e2h1qnY2fib0k3Jse1MYk4E3lZQv9JM7pArw/640?wx_fmt=gif&from=appmsg)
还有不少网友已经玩上了:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPApy6AE1Rsa6Xds3cNYkzySrRUYQ3NTdR9gQnm2LjyErQh0Wwb2ur3hQ/640?wx_fmt=gif&from=appmsg)
Ctrl+ZZZZZZZ
据GitHub主页上的介绍,Paints-Undo的命名有“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。
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAyegtxA6Uyfibicy3zkGt2n5JpjyeicGlvd2EI4QgSA0ibjzH1WtS3Z67tQ/640?wx_fmt=gif&from=appmsg)
该项目包含一系列模型,展示了各种人类绘画行为,比如素描、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:
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAXoavfC0jhqv0QYkqOXJUrQksPNZFnL6EYxroHrNU2JqervyBOyS7icQ/640?wx_fmt=png&from=appmsg)
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:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPARzGETuEUyoscsYpicQvaYOXMIBjGG2Q2z0waa14r2BVAEIXAcbjibQWw/640?wx_fmt=gif&from=appmsg)
单输入多输出也可以:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAiaSRFFicMfwodFHAwOPQDAiaucvgong1dcLwnfmrNJibIicV7RtHW6wTg9w/640?wx_fmt=gif&from=appmsg)
或者还可以从一张图提取出不同精细程度的线稿:
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAT0egUvxuicC1KHsjgiceaXtJYUFClwldGaBPhPb76rI3E85nnHmNodYQ/640?wx_fmt=png&from=appmsg)
![](http://mmbiz.qpic.cn/mmbiz_png/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAOTCPr6YkG0Ng3nPYLRia2sSSmb80GhLRGUbGSbNfkGdtkBWGIYIhQGA/640?wx_fmt=png&from=appmsg)
插入一张线稿,直接在此线稿基础上填色也行:
![](http://mmbiz.qpic.cn/mmbiz_gif/YicUhk5aAGtB8P3Fv1CKZe3kdy4UZeAPAPvjpyOUOSK887byQ5U6u5CC7TdxnIaMrIGCq1CRaJxr4ibpOKSS5oLA/640?wx_fmt=gif&from=appmsg)
感兴趣的家人们可以亲自动手试试~
GitHub链接:https://github.com/lllyasviel/Paints-UNDO
![](http://mmbiz.qpic.cn/sz_mmbiz_png/urgCdYOG5QdTamTia8J6DPxhNCDWexjmia6niaiaF9erYvdEQvobadKsusIlic57dWb5UficxFgUw5nWFDZkbblBrOSg/640?wx_fmt=other&wxfrom=5&wx_lazy=1&wx_co=1&tp=webp)