AniClipart
PulseAugur coverage of AniClipart — every cluster mentioning AniClipart across labs, papers, and developer communities, ranked by signal.
-
新颖技术利用振动模式为字形添加动画,以实现语义表达
研究人员推出了一种名为模态动力学字体的创新技术,该技术可以为矢量字形添加动画以传达语义概念,同时保持可读性。该方法利用字形从有限元特征值问题中得出的自然振动模式来生成平滑且清晰的运动。然后,一个冻结视频扩散模型对这些模式的幅度和相位进行监督。该方法通过防止字形撕裂和抖动,解决了先前方法的局限性,并且人类评估者比动态字体和AniClipart等现有技术以及一个称为Astra (GPT-6) 的系统更偏好该方法。
-
新方法通过模态动力学字体动画化字形
研究人员开发了一种创建模态动力学字体的新方法,该方法可以动画化矢量字形以传达语义概念,同时保持可读性。该方法利用源自字形轮廓的有限元特征值问题来识别其自然振动模式,从而使其各部分能够进行弯曲和块状运动。然后,一个冻结视频扩散模型通过控制模式的幅度和相位来指导动画。与 Dynamic Typography 和 AniClipart 等现有方法相比,该技术提供了更平滑、更清晰的运动以及更好的概念对齐,并且在人类评估者中比 Astra (G…
-
LiveSVG 使用视频扩散模型实现零样本SVG动画
研究人员开发了LiveSVG,一种使用视频扩散模型创建可缩放矢量图形(SVG)动画的新颖方法。该方法通过将矢量几何直接拟合到生成的视频目标,绕过了现有技术(如基于LLM的代码合成和Score Distillation Sampling)的局限性。LiveSVG采用双层运动表示来处理复杂变形,并采用球体打包重着色策略来处理颜色歧义,在ChallengeSVG等基准测试中表现优于先前的方法。