网站简介

Boximator是一个用于视频合成中生成丰富且可控运动的人工智能模型，由字节跳动研究团队（ByteDance Research）开发。该网站是Boximator项目的官方主页，详细介绍了这一创新技术的核心特性、演示效果以及试用方式。Boximator旨在解决视频生成中运动控制难的问题，通过引入可学习的“框”约束，让创作者能够更精准地指定物体在视频中的运动方式和轨迹。

主要功能/内容

1. 生成示例展示

网站展示了大量Boximator生成的视频示例，每个示例配有一段文本提示（prompt）和对应的生成结果。这些示例涵盖了多种场景和风格，包括：

• 动物行为：如小猫藏进杯子、猫追球、狗追红球、小鸟在树枝上跳来跳去、狼对月嚎叫后跳下石头跑开等。
• 人物动作：如女战士挥舞剑、男孩和女孩接吻、女孩用手遮脸、年轻女子转头露出侧脸、男人坐在桌边喝咖啡、宇航员在月球上滑滑板等。
• 场景转换：如无人机飞越新西兰海滩、无人机转身面向大海、热气球漂浮在土耳其天空等。
• 风格化内容：如水彩风格的骷髅、蝴蝶环绕飞舞、像素风格的角色跳舞、动漫风格的角色弹钢琴等。

这些示例直观地展示了Boximator在控制运动幅度、方向、速度和轨迹方面的强大能力。

2. 与其他方法的对比

网站专门设置了“Comparisons with Other Methods”板块，将Boximator与当前流行的视频生成工具Pika 1.0和Gen-2进行对比。对比示例包括：

• “一个可爱的3D男孩站着然后走路”
• “可爱皮卡丘转向镜头”
• “美丽女孩闭眼特写”
• “英俊男人从口袋拿出玫瑰”
• “风吹走女人的雨伞”
• “两只穿蓝衬衫的浣熊玩球”等。

通过并排对比，可以明显看出Boximator在运动细节和可控性上的优势，尤其是在遵循文本描述中的空间位置和动作变化要求方面。

3. 试用方式

目前网站显示demo正在开发中，预计2-3个月内上线。但团队提供了早期体验通道：用户可以通过发送邮件至wangjiawei.424@bytedance.com申请试用。邮件需要包含：

• 一张作为初始帧的图片
• 描述所需动作的文本提示

团队会尽快回复并返回生成的视频。网站也给出了使用建议，例如图片比例最好为1:1，尽量用详细的语言描述运动需求。同时，用户需确保内容不涉及色情、政治、血腥等违规内容。

4. 论文与引用

网站提供Boximator的论文引用信息（BibTeX格式），论文已在arXiv上发布（编号2402.01566），作者为Jiawei Wang、Yuchen Zhang等字节跳动研究团队。网站还注明源码基于MagicVideo-V2项目网页。

特点说明

• 技术创新：Boximator提出了一种新的运动控制方法，通过框（box）约束来细化生成过程中的运动参数，使得视频中的物体移动更符合用户预期。
• 可操作性强：用户只需提供一张静态图片和一段文字描述，即可生成带有所需运动的视频，降低了视频创作的门槛。
• 开源精神：虽然demo尚未完全开放，但团队通过邮件方式积极响应用户需求，体现了研究和分享的态度。
• 学术价值：网站附带了正式论文，便于学术引用和进一步研究。

总体而言，Boximator网站是一个展示前沿AI视频生成研究成果的平台，面向研究人员、创作者以及所有对AI视频技术感兴趣的用户，提供了丰富的可视化素材和便捷的体验入口。