离大谱！！不看视频完整版谁知道里面的美少女竟是一位大叔。

好嘛，原来这是用了快手可灵团队的可控人像视频生成框架——LivePortrait。

LivePortrait开源即爆火，短短时间已在GitHub狂揽7.5K星标。

还引来HuggingFace首席战略官Thomas Wolf亲自体验：

甚至目前仍在HuggingFace全部应用里排在趋势第一：

所以，为啥LivePortrait能够疯狂引人关注?

还得从它让人眼前一亮的表现说起……

让表情“移花接木”

LivePortrait由快手可灵大模型团队开源，只需1张原图就能生成动态视频。

先来看一组官方输出。

从最简单的开始，丢一张静态图像，LivePortrait可以让肖像眨眼、微笑或转头。

还可以施展“移花接木”，也就是将表情、动态等复制到其他人身上，还是不限风格（写实、油画、雕塑、3D渲染）和尺寸那种~

当然了，这种“魔法”不限于单人，搞个全家福也不是不行。[doge]

除了从静态图→视频，我们还可以让一个或多个视频实现“笑容增加术”。

比如提供一段宝宝没有表情的视频（最右侧），我们可以让宝宝按照参照视频wink或微笑。

对了，不仅限于人物肖像，小猫小狗也能开始撒娇卖萌了。

总之，LivePortrait可以实现人物表情精确控制，比如嘴角上扬的弧度，双眼放大程度都能开启自选。

举个栗子，下面这两个是不同参数设置下，人物眼睛大小的变化：

看来小说里的“三分凉薄,三分讥笑,四分漫不经心”也不是不能实现。[doge]

看完这些不知道你有没有心动，反正网友们整活儿的心是挡不住了。

比如配个灯光花式扮鬼脸，有恐怖片那味儿了:

再比如实时化身二刺猿：

看完这些例子，接下来我们挖一挖背后的技术原理。

爆火开源框架

和当前主流基于扩散模型的方法不同，LivePortrait探索和扩展了基于隐式关键点的框架的潜力。

具体而言，LivePortrait不依赖于图像中明确可见的标记或特征点，而是通过学习数据集中的模式来隐式地推断出关键点的位置。

在此基础上，LivePortrait通过两个阶段从头开始训练模型。

先说第一阶段，LivePortrait对基于隐式点的框架（如Face Vid2vid），做了一系列改进。

这些改进包括高质量数据整理、混合图像和视频训练、升级网络架构、可扩展运动变换、地标引导的隐式关键点优化以及级联损失项的应用等。

有了这些，模型的泛化能力、表达能力和纹理质量都能进一步提升。

再说第二阶段，通过贴合模块和重定向模块的训练，模型能够更精确地处理面部表情的细节。

贴合模块通过跨身份动作训练增强泛化性，估计表情变化并优化关键点。

眼部和嘴部重定向模块则分别处理眼部和嘴部的变形变化，通过独立的目标函数计算像素一致性和正则损失，提升模型在复杂表情处理上的灵活性和精确度。

那么，LivePortrait具体表现如何呢？

研究显示，在同身份驱动对比结果中，与已有方法相比，LivePortrait具有较好的生成质量和驱动精确度，可以捕捉驱动帧的眼部和嘴部细微表情，同时保有参考图片的纹理和身份。

且在跨身份驱动对比结果中同样表现较好，虽然在生成质量上略弱于基于扩散模型的方法AniPortrait。但与后者相比，LivePortrait具有极快的推理效率且需要较少的FLOPs。

总之，在RTX 4090 GPU上，LivePortrait的生成速度达到了每帧12.8毫秒，显著高于现有的扩散模型方法。

One More Thing

补一条官方最新预告：可灵AI即将在全球范围内推出其服务。

Sora还没来，可灵这回倒是先走出去了~

LivePortrait体验地址：

https://huggingface.co/spaces/KwaiVGI/LivePortrait

项目主页：

https://liveportrait.github.io

论文：

https://arxiv.org/abs/2407.03168

参考链接：

[1]https://x.com/Yokohara_h/status/1815440947976794574

[2]https://weibo.com/1727858283/5059185991221724

[3]https://x.com/Kling_ai/status/1815332322599973289

[4]https://x.com/toyxyz3/status/1811300657158320450

[5]https://x.com/thione/status/1815114364581748861

文章来自于微信公众号“量子位”，作者 “一水”