近日，Meta Reality Labs 的研究团队联合高效发布了一项名为 “Pippo” 的创新性生成模型，能够从一张随意拍摄的照片中，生成一段高达1K 分辨率的密集周转视频。这一突破性技术，标志着计算机视觉和图像生成领域的又一重要进展。
Pippo 模型的核心在于其多视图扩散转换器的设计。与传统的生成模型不同，Pippo 不需要任何额外的输入，例如拟合的参数模型或拍摄该图像的相机参数。用户只需提供一张普通的照片，系统就能自动生成多视角的视频效果，为用户呈现出更加生动和立体的人物形象。
为了便于开发者使用，Pippo 此次发布为代码 - only 版本，没有预训练权重。研究团队提供了必要的模型、配置文件、推理代码以及 Ava-256数据集的样本训练代码。开发者可以通过简单的命令克隆和设置代码库，快速上手进行训练和应用。
Pippo 项目的未来计划包括整理和清理代码，以及推出针对预训练模型的推理脚本。这些改进将进一步提升用户体验，推动该技术在实际应用中的广泛使用。
项目:https://github.com/facebookresearch/pippo
划重点:
🌟 Pippo 模型能够从一张普通照片生成高分辨率的多视图视频，无需额外输入。
💻 代码仅发布，没有预训练权重，开发者可自行训练模型并进行应用。
🔍 团队计划未来推出更多功能和改进，以增强用户体验。
