肖像图像动画Hallo2：用于制作高分辨率、长时间的人像动画

基于潜在扩散的生成模型在肖像图像动画方面取得了显著进展，特别是在短时视频合成方面。例如，Hallo 模型已经展示了令人印象深刻的结果。然而，这些模型在生成长时间视频时面临外观漂移和时间伪影等问题。为了解决这些挑战，复旦大学、百度公司和南京大学的研究人员对 Hallo 进行了更新，提出了 Hallo2 模型。

• 项目主页：https://fudan-generative-vision.github.io/hallo2
• GitHub：https://github.com/fudan-generative-vision/hallo2
• 模型：https://huggingface.co/fudan-generative-ai/hallo2

HALLO2是一种用于制作高分辨率、长时间的人像动画的方法。简单来说，HALLO2能够根据一张静态的人像照片和你提供的声音文件，生成一个长时间（比如几十分钟）的、高清晰度（4K分辨率）的动态视频。这个视频里的人像会根据你的声音文件进行口型同步和表情变化，就像真的在说话一样。

例如，你是一名历史老师，你想制作一系列关于历史人物的讲解视频。你可以拍一张自己的肖像照片，然后录制一段讲解的音频。使用HALLO2，你就可以生成一个视频，视频中的你会根据讲解内容自然地说话和做出表情，就像你真的在和观众面对面交流一样。这个视频可以是高清晰度的，而且可以持续很长时间，足够你讲解一个完整的话题。

Hallo2 的主要改进

Hallo2 通过引入几个设计增强功能，显著扩展了其生成长时间高质量肖像视频的能力：

生成长时间视频：

• 条件运动帧图像空间内的增强策略：为了解决外观漂移和时间伪影问题，研究人员在条件运动帧图像空间内引入了增强策略。具体来说，他们采用了带有高斯噪声的补丁丢弃技术，以增强长时间内的视觉一致性和时间连贯性。

4K分辨率肖像视频生成

• 潜在代码的矢量量化：为了实现4K分辨率的视频生成，研究人员实施了潜在代码的矢量量化技术，这有助于减少内存占用和计算成本。
• 时间对齐技术：通过应用时间对齐技术，保持了时间维度上的连贯性。
• 高质量解码器：集成高质量解码器，确保生成的视频在4K分辨率下具有出色的视觉效果。

可调节的语义文本标签

• 语义文本标签作为条件输入：Hallo2 引入了可调节的语义文本标签作为条件输入，这超越了传统的音频提示，提高了生成内容的可控性和多样性。用户可以通过文本提示精确控制肖像的表情和动作。

主要功能和特点：

1. 长时间视频生成：HALLO2可以制作长达几十分钟的视频，这比之前的技术只能制作几秒钟的视频要强得多。
2. 高分辨率输出：生成的视频可以达到4K分辨率，这意味着视频非常清晰，细节丰富。
3. 音频驱动：你只需要提供一段音频，HALLO2就能根据音频中的声音来驱动人像的口型和表情。
4. 文本提示增强：除了音频，你还可以提供文本提示，来进一步控制视频中人像的表情和动作。

工作原理：

HALLO2的工作原理可以分为几个步骤：

1. 数据增强：通过一种叫做“patch-drop”的技术，结合高斯噪声，来增强视频的视觉效果，使其在长时间播放中保持一致性。
2. 向量量化：使用一种叫做VQGAN的技术，通过向量量化潜码，并应用时间对齐技术，来保持视频中的连贯性。
3. 高分辨率增强模块：通过一个高质量的解码器，实现4K分辨率的视觉合成。
4. 文本提示控制：通过一个适应性层归一化机制，将文本提示融入到生成过程中，以精确控制人像的表情和动作。

实验结果

研究人员在多个公开数据集上进行了广泛的实验，包括 HDTF、CelebV 和他们引入的“Wild”数据集。实验结果表明，Hallo2 在生成长时间肖像视频动画方面达到了最先进的性能，能够成功生成长达数十分钟的丰富且可控的4K分辨率内容。

潜在影响

Hallo2 的提出不仅在技术上取得了突破，还在实际应用中具有巨大的潜力：

• 虚拟助手和客服：生成高质量的长时间视频可以提升虚拟助手和客服系统的用户体验。
• 娱乐和媒体制作：在电影、动画和游戏制作中，Hallo2 可以生成高度逼真的角色动画，提高制作效率。
• 远程通信：在视频会议和远程教育中，Hallo2 可以生成更加真实和互动的虚拟形象，增强沟通效果。

Hallo2 通过引入补丁丢弃技术、矢量量化和时间对齐技术，以及可调节的语义文本标签，显著提升了生成长时间高质量肖像视频的能力。这些改进不仅解决了现有模型的局限性，还为未来的肖像图像动画研究提供了新的方向。随着技术的不断发展，我们有理由相信，未来的生成模型将能够生成更加丰富和多样化的视频内容，为各种应用场景带来更大的价值。