編輯 | 言征

出品 | 51CTO技術(shù)棧（微信號(hào)：blog51cto）

3月15日，騰訊混元和清華大學(xué)、香港科技大學(xué)聯(lián)合推出全新圖生視頻模型“Follow-Your-Click“，基于輸入模型的圖片，只需點(diǎn)擊對(duì)應(yīng)區(qū)域，加上少量提示詞，就可以讓圖片中原本靜態(tài)的區(qū)域動(dòng)起來(lái)，一鍵轉(zhuǎn)換成視頻。

當(dāng)前的圖生視頻大模型中，一般的生成方法不僅需要用戶在提示詞中描述運(yùn)動(dòng)區(qū)域，還需要提供運(yùn)動(dòng)指令的詳細(xì)描述，過(guò)程較為復(fù)雜。另外，從生成的效果來(lái)看，現(xiàn)有圖像生成視頻技術(shù)在移動(dòng)圖像的指定部分上缺乏控制，生成的視頻往往需要移動(dòng)整個(gè)場(chǎng)景，而不是圖像上的某一個(gè)區(qū)域，精準(zhǔn)度和靈活性上有所欠缺。

為了解決這些問(wèn)題，騰訊混元大模型團(tuán)隊(duì)、清華和港科大的聯(lián)合項(xiàng)目組提出了更實(shí)用和可控的圖像到視頻生成模型Follow-Your-Click，帶來(lái)更加便捷的交互，也讓圖片“一鍵點(diǎn)，萬(wàn)物動(dòng)”成為現(xiàn)實(shí)。

圖像到視頻生成的技術(shù)在電影內(nèi)容制作、增強(qiáng)現(xiàn)實(shí)、游戲制作以及廣告等多個(gè)行業(yè)的AIGC應(yīng)用上有著廣泛前景，是2024年最熱門(mén)的AI技術(shù)之一。

據(jù)了解，本聯(lián)合項(xiàng)目組中的騰訊混元大模型團(tuán)隊(duì)，正在持續(xù)研究和探索多模態(tài)技術(shù)，擁有行業(yè)領(lǐng)先的視頻生成能力。此前，騰訊混元大模型作為技術(shù)合作伙伴，支持《人民日?qǐng)?bào)》打造原創(chuàng)視頻《江山如此多嬌》，生成中國(guó)大美河山的精美視頻片段，展示出了較強(qiáng)的內(nèi)容理解、邏輯推理和畫(huà)面生成能力。

論文鏈接：https://arxiv.org/abs/2403.08268

Github：https://follow-your-click.github.io/