您现在的位置是:短视频 >>正文
EMAGE:上传音频就能生成全身动作 包括头部、嘴型、身体运动
短视频4635人已围观
简介划重点:⭐️ 提出了 EMAGE 框架,用于从音频和掩码手势生成全身人类手势。⭐️ 引入了新的全面共话数据集 BEATX,结合 MoShed SMPLX 身体与 FLAME 头部参数,提高了建模质量。 ...
划重点:
⭐️ 提出了 EMAGE 框架,上生成身体用于从音频和掩码手势生成全身人类手势。传音
⭐️ 引入了新的全身全面共话数据集 BEATX,结合 MoShed SMPLX 身体与 FLAME 头部参数,动作提高了建模质量。包括
⭐️ EMAGE 利用掩码手势先验信息进行训练,头部采用 Masked Audio Gesture Transformer 实现音频到手势生成,嘴型取得了最先进的运动性能。
CSS站长资源(ChinaZ.com)4月3日 消息:最近,上生成身体多所知名大学和研究机构的传音研究人员共同提出了 EMAGE 框架,旨在从音频和掩码手势生成全身人类手势。全身
EMAGE技术能实现输入音频生成全身动作,动作包括头部、包括嘴型、头部身体、嘴型手部和整体运动,跟之前Meta的audio2photoreal很像。用户只要上传音频(小于60秒),然后点击提交,输出结果将在输出中呈现3分钟。
他们引入了新的全面共话数据集 BEATX,该数据集结合了 MoShed SMPLX 身体和 FLAME 头部参数,进一步提高了建模质量,特别是对头部、颈部和手指动作的建模。EMAGE 在训练过程中利用了掩码手势的先验信息,以提高推断性能。该框架包括一个 Masked Audio Gesture Transformer,有助于联合训练音频到手势生成和掩码手势重建,有效地编码音频和身体手势提示。从掩码手势中编码的身体提示随后分别用于生成面部和身体动作。
此外,EMAGE 自适应地合并了音频的节奏和内容的语音特征,并利用了四个组合 VQ-VAE 来增强结果的保真度和多样性。实验证明,EMAGE 具有最先进的性能,能够生成具有完整的、音频同步的整体手势。
EMAGE 技术的问世将在各个领域产生深远影响,其中包括但不限于教育、医疗、娱乐等领域。研究团队表示,他们的代码和数据集已经公开提供,供学术和工业界使用。
项目入口:https://top.aibase.com/tool/emage
在线体验:https://huggingface.co/spaces/H-Liu1997/EMAGE
Tags:
相关文章
腾讯出行推出顺风车春节返乡互助功能:一键发布拼车信息
短视频快科技2月3日消息,春节将至,回家过年成为异乡人的头等大事。每年春运期间,无论是飞机、火车还是客运大巴往往一票难求,顺风车成了大家主要选择之一。对此,腾讯出行近日正式推出了助力返乡活动,方便大家发布打 ...
【短视频】
阅读更多雷军分享早餐后的评论区笑死人:千亿富翁同款早餐
短视频CSS站长资源ChinaZ.com)6月14日 消息:在社交媒体平台上,小米科技创始人雷军近日发布了一段视频,与网友们分享了他的日常点滴。视频中,雷军驾驶着全新的小米SU7Max霞光紫车型驶入小米园区 ...
【短视频】
阅读更多完全自研不兼容安卓!曝华为鸿蒙星河版6月21日开启Beta
短视频快科技6月14日消息,6月21日至23日,华为将在深圳举办华为开发者大会2024,届时,HarmonyOSNEXT鸿蒙星河版与盘古大模型5.0将首次同台亮相。日前,数码博主定焦数码”晒出一张与华为客服 ...
【短视频】
阅读更多