Adobe发布视频模型(ActAnywhere)：可根据主体运动生成背景

Adobe今日发布了全新的视频模型ActAnywhere。这一模型可以根据前景主体的运动和外观，为电影和视觉特效社区生成视频背景。

ActAnywhere模型通过引入跨帧注意力进行时间推理，将用户的创意想法快速地融入到动态的虚拟场景中。模型的训练数据集包含240万个包含人类与场景交互的视频，并通过自监督的方式进行训练。

项目地址:https://actanywhere.github.io/

ActAnywhere模型的关键之处在于其3D U-Net采用一系列前景主体分割以及蒙版作为输入，并以描述背景的帧作为条件。在训练过程中，通过从训练视频中随机采样的帧作为条件来进行去噪过程。

在测试时，条件可以是主体与新背景的混合帧，也可以是仅背景的图像。通过Adobe Firefly生成的组合帧展示了视频背景生成的效果，这些组合帧是通过ChatGPT4生成的文本提示或手动书写的。

评估结果表明，ActAnywhere能够生成具有高度真实感的前景与背景互动、相机运动、光影效果的视频，并能够推广到分布于训练数据之外的样本，包括非人类主体。

这一新模型提供了一个简单且高效的方式，将任意主体放置于多样的场景中，为电影制作和视觉特效等领域提供了有价值的工具。

Adobe的ActAnywhere模型为用户创造出了无限的可能性，使得他们能够轻松地将自己的创意想法转化为具有高度真实感的视频作品。这将对电影和视觉特效领域产生深远的影响，为行业带来全新的发展机遇。