Cuestionario vinculado a una guía · duro Nivel

Animación de retratos a partir de una prueba de una sola fotografía

Prueba la transferencia de movimiento basada en puntos clave, el manejo de oclusión y las opciones de diseño de SadTalker y LivePortrait para animar una cara a partir de una foto.

Rutas de guía relacionadasAnimación de retrato a partir de una sola foto
Pregunta 1 de 8

¿Cómo obtiene el modelo de movimiento de primer orden sus puntos clave?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Cómo obtiene el modelo de movimiento de primer orden sus puntos clave?
    • From manually labeled facial landmarks
    • From a 3D scan of the person
    • It learns them without labels during training
    • From the audio track
  2. ¿Cuál es el propósito del mapa de oclusión?
    • To mark regions the source image cannot supply, so they must be painted in
    • To blur the background on purpose
    • To detect the speaker's language
    • To choose the output frame rate
  3. ¿Cuál es el beneficio de la transferencia de movimiento relativo?
    • It doubles the frame rate
    • The source keeps its own face shape instead of taking on the driver's
    • It removes the need for a driving video
    • It makes the head turn farther
  4. ¿Qué predice SadTalker a partir del audio?
    • Raw pixel values of the mouth
    • A new background
    • Una transcripción de texto
    • 3D Morphable Model coefficients for expression and head pose
  5. ¿Qué hace el módulo de costura de LivePortrait?
    • It pastes the animated face back into the full image without misaligned shoulders
    • It merges two different people's faces
    • It stitches audio clips together
    • It converts video to GIF
  6. Why do large head turns usually fail in single-photo animation?
    • The GPU runs out of memory
    • Head turns are disabled by default
    • The photo has no information about unseen regions like the side of the head
    • Audio cannot describe rotation
  7. Why do keypoint methods warp feature maps rather than raw pixels?
    • Pixels cannot be moved
    • It lets the decoder repair stretching and fill unseen regions
    • Feature maps are always higher resolution
    • It removes the need for keypoints
  8. In implicit 3D keypoint methods, what does the driving frame contribute?
    • The canonical keypoints encoding identity
    • The background texture
    • The skin color
    • Head rotation, translation and expression deformations