LivePortrait是由快手科技与中国科学技术大学和复旦大学合作开发的先进AI驱动的肖像动画框架。不同于主流的扩散方法，LivePortrait利用基于隐式关键点的框架，从单个源图像创建栩栩如生的视频动画。这种方法平衡了计算效率和可控性，使其成为多种应用的实用工具。

LivePortrait如何生成AI内容

LivePortrait的动画过程包括两阶段的训练管道：

第一阶段：基础模型训练

在第一阶段，从头开始训练基础模型。此阶段涉及优化外观提取器（𝐹）、运动提取器（𝑀）、变形模块（𝑊）和解码器（𝐺）。这些组件共同作用，从源图像和驱动视频中提取并合成外观和运动。

第二阶段：拼接和重定向模块训练

在第二阶段，先前训练的组件被冻结，重点转向优化拼接和重定向模块。这些模块通过对特定面部特征（如眼睛和嘴唇）的更精细控制来提高动画的质量，使动画更加详细和生动。

LivePortrait的主要功能

效率和速度

LivePortrait在RTX 4090 GPU上使用PyTorch达到每帧12.8ms的惊人生成速度。这种效率使其适用于实时应用。

高质量动画

通过将训练数据扩大到约6900万帧高质量画面，并采用混合图像视频训练策略，LivePortrait确保了卓越的动画质量和泛化能力。

高级可控性

拼接和重定向模块允许精确控制面部特征，实现详细动画。用户可以控制眼睛和嘴唇的运动幅度，增强生成视频的逼真度。

多功能性

LivePortrait支持各种风格，包括现实主义、油画、雕塑和3D渲染。这种多功能性使其适用于从创意内容到专业视频制作的广泛应用。

实验

准备T4的Lab，安装环境

<code>!pip install torch torchvision torchaudio

!git clone https://github.com/KwaiVGI/LivePortrait

!pip install numpy pyyaml opencv-python scipy imageio lmdb tqdm rich ffmpeg-python onnxruntime-gpu onnx scikit-image albumentations matplotlib imageio-ffmpeg tyro gradio # 参考 requirements.txt

!cd LivePortrait && mv pretrained_weights pretrained_weights_backup # 影响Git clone

!cd LivePortrait && git clone https://huggingface.co/KwaiVGI/liveportrait pretrained_weights

!cd LivePortrait && python inference.py

由于输出的是视频，所以在Jupyter notebook上需要安装插件mediapy：

!pip install mediapy

video = media.read_video('/content/LivePortrait/animations/s6--d0_concat.mp4')

media.show_video(video)

感谢大家花时间阅读我的文章，你们的支持是我不断前进的动力。期望未来能为大家带来更多有价值的内容，请多多关注我的动态！