跳到正文

Pippo

从单张照片生成 1K 多人视角视频

访问官网

Pippo 是什么

Pippo 被介绍为由 Meta Reality Labs 与多所高校合作开发的生成模型,能够从单张普通照片生成高分辨率的多人视角视频。它无需参数化模型或相机参数等额外输入即可生成 1K 分辨率视频,基于多视角扩散变换器架构,资料还提到虚拟现实与影视制作等应用前景。

你可以用它做什么

  • 从单张照片生成高分辨率的多人视角视频
  • 支持 128、512、1024 等不同分辨率的模型训练
  • 提供样本训练代码与数据集支持(如 Ava-256)
  • 计算生成图像与真实图像的重投影误差
  • 用控制 MLP 与注意力偏差技术优化扩散变换器性能
  • 支持在 A100、T4 等不同 GPU 配置下运行

应用场景

  • 研究人员从单张照片生成多人视角视频,用于虚拟现实内容创作
  • 影视制作团队生成高分辨率的虚拟角色视频
  • 开发者基于代码架构扩展新的图像生成应用

上手流程

  • 克隆仓库(git clone [email protected]:facebookresearch/pippo.git)
  • 用 Conda 创建环境并安装 PyTorch 等依赖
  • 运行样本数据下载脚本获取 Ava-256 数据
  • 根据 GPU 配置选择模型配置文件并运行 train.py 开始训练

需要留意什么

  • 代码已开源,但不包含预训练权重
  • 使用者需要自行训练模型

优点与缺点

✓ 我们认可的地方

  • 无需参数化模型或相机参数等额外输入
  • 提供 128、512、1024 多种训练分辨率

! 需要留意的地方

  • 开源代码不包含预训练权重
  • 使用者需要自行训练模型

常见问题

Pippo 生成什么?

资料介绍它能从单张普通照片生成高分辨率的多人视角视频。

包含预训练权重吗?

资料说明代码已开源但不包含预训练权重,使用者需要自行训练模型。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法