- Artikel tentang pendekatan baru yang dikembangkan para peneliti Google untuk pemodelan yang mengutamakan ruang gambar terhadap dinamika adegan
- Model dilatih menggunakan lintasan gerak yang diekstrak dari urutan video nyata yang mencakup gerakan osilasi alami
- Model menggunakan proses sampling difusi yang disetel frekuensi untuk memprediksi representasi gerak jangka panjang per piksel di domain Fourier, yang disebut tekstur gerak stokastik neural
- Representasi ini dapat diubah menjadi lintasan gerak rapat yang mencakup seluruh video
- Model dapat digunakan untuk berbagai aplikasi, seperti mengubah gambar statis menjadi video dinamis yang berulang mulus atau memungkinkan pengguna berinteraksi secara realistis dengan objek dalam foto nyata
- Model dapat mensimulasikan respons dinamika objek terhadap kegembiraan pengguna yang berinteraksi
- Dengan menyesuaikan amplitudo tekstur gerak, aksi bergerak dapat diperkecil atau diperbesar
- Video slow-motion dapat dibuat dengan menginterpolasi tekstur gerak yang diprediksi
- Para peneliti menyampaikan apresiasi atas kontribusi Rick Szeliski, Andrew Liu, Qianqian Wang, Boyang Deng, Xuan Luo, dan Lucy Chai dalam proofreading, komentar, dan diskusi
- Situs web yang digunakan untuk demonstrasi dipinjam dari nerfies, dengan ucapan terima kasih kepada Keunhong
Belum ada komentar.