TransPixeler: RGBAビデオのテキスト生成

1. チュートリアルの概要

TransPixelerは、香港中文大学、香港科技大学、Adobe Researchが2025年に発表したテキストから動画を生成する手法です。この手法は、元のRGBモデルの利点を維持し、限られたトレーニングデータでRGBとアルファチャンネル間の強力な整合を実現します。多様で一貫性のある RGBA ビデオを効果的に生成できるため、視覚効果やインタラクティブなコンテンツ作成の可能性が広がります。関連する論文の結果は以下の通りである。TransPixeler: 透明性を備えたテキストからビデオへの生成の進化「」は、 CVPR 2025 受け入れる。

このチュートリアルではシングルカード A6000 リソースが使用され、テキストの説明は現在英語のみをサポートしています。

2. プロジェクト例

3. 操作手順

1. コンテナを起動した後、API アドレスをクリックして Web インターフェイスに入ります

「Bad Gateway」と表示される場合、モデルが初期化中であることを意味します。モデルが大きいため、1〜2分ほど待ってページを更新してください。

2. Web ページに入ると、モデルと会話を開始できます。

パラメータの説明:

• シード：  生成プロセスのランダム性を制御するために使用される乱数シード。同じシード値では同じ結果が生成されます (他のパラメータが同じである場合)。これは、結果を再現する上で非常に重要です。

利用手順

4. 議論

🖌️ 高品質のプロジェクトを見つけたら、メッセージを残してバックグラウンドで推奨してください。さらに、チュートリアル交換グループも設立しました。お友達はコードをスキャンして [SD チュートリアル] に参加し、さまざまな技術的な問題について話し合ったり、アプリケーションの効果を共有したりできます。

引用情報

Githubユーザーに感謝 xxxjjjyyy1  このチュートリアルの展開。このプロジェクトの引用情報は次のとおりです。

@misc{wang2025transpixeler,
      title={TransPixeler: Advancing Text-to-Video Generation with Transparency}, 
      author={Luozhou Wang and Yijun Li and Zhifei Chen and Jui-Hsien Wang and Zhifei Zhang and He Zhang and Zhe Lin and Ying-Cong Chen},
      year={2025},
      eprint={2501.03006},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2501.03006}, 
}