无限缩放动画的帧嵌套与无缝切换
把下一帧按缩放倍率的倒数嵌入当前帧中心,在内层画面填满视口时切帧。示例用指数曲线计算每段缩放比例,让相对缩放速度保持一致。
AI 深度解读
无限缩放看起来像镜头一直往里钻,实际是把下一张图嵌进当前图的中央,等它铺满屏幕时切过去。作者给出了一套做法:用几何增长控制缩放速度,用共同物件和固定光色藏住接缝,再让末帧的中央接回首帧。
如果你想用图像模型做这类动效,最省返工的一步发生在出图之前:先决定每次镜头要钻进什么,以及切过去以后,观众还能认出哪个物件。
为什么放大到 2 倍刚好能切图
先选一个缩放倍数 k。取 k=2 时,把第 n+1 张图按上一张图 1/k 的宽度贴到正中央。两张图宽高比一致时,当前画面从 1x 放大到 kx,中央的小图就恰好填满视口。这一刻切到下一张图的 1x,屏幕上仍是同一幅构图。
下面的函数把整段视频的归一化进度 t(取值 [0, 1))换算成当前帧索引和缩放倍率,默认 k=2.0、frames=8。
def frame_scale(t, k=2.0, frames=8):
"""t in [0, 1) over the whole video -> (frame index, scale of that frame)."""
pos = t * frames # which hand-off we are in
i = int(pos)
local = pos - i # 0..1 inside this hand-off
return i % frames, k ** local # geometric, not linear, growth
最后一行的 k ** local 决定了缩放的节奏:相同的时间间隔内,画面乘上相同的倍率。用线性插值时,每次增加的倍率数值相同,但相对于当前画面的放大比例会逐渐变小,切到下一段时又突然变大,接缝就容易被看出来。
每次转场先找一个能带过去的物件
中央那块 1/k 宽的区域相当于一个窗口。门洞、窗框、相框、瞳孔、硬币和屏幕都有清晰的边缘,能给嵌入的画面一个自然边界。文字和复杂纹理则容易暴露拼接位置。
作者建议先把路线写成一行,比如从山谷钻进木屋窗户,再到窗边的书桌、桌上的照片,最后进入照片里的人脸。每个箭头只选一个两张图都能看见的物件,并在两条提示词里用相同的词描述它的颜色、材质和形状。整条链还要固定一个光照方向和三四种颜色。哪怕尺寸完全对齐,第 4 帧的暖色夕阳突然切到第 5 帧的冷色正午,观众也能察觉镜头断了。
末帧怎么接回首帧
真正闭环时,末帧中央也要嵌入首帧。作者建议让最后钻进去的物件提前在首帧里小小地露一次面,再用 i % frames 让索引回到开头。这个取模表达式管的是索引。按函数约定,t 始终在 [0, 1) 内,播放跨过周期终点时还得把进度从头计起。
出最终图之前,先把所有画面排成一行缩略图,末帧和首帧也挨着看。缩小后,细节退下去,中心轮廓和色块的跳变反而更容易发现。哪张图的中心形状接不上,就优先重生成那一张。
我的判断
最扎实的是切换点的几何关系。居中、同宽高比、按 1/k 嵌入,才能让上一段结束和下一段开始时的画面位置对齐。原文没有给出成片对照或量化测试。共享物件、固定光色和缩略图筛选都是作者的经验做法,重复提示词也无法保证独立生成的图像把物件画在同一个位置。
作者给了两条实现路径:用 Pillow 和 ffmpeg 自己合成,或把场景描述交给 Infinite Zoom Art 在浏览器里生成。自己合成便于检查裁切和切换点,浏览器工具省掉了手工合成步骤。原文没有比较两者的接缝质量。
能拿来做什么
- 用 Canvas 做预览时,可以先用几张占位图验证
1/k的嵌套尺寸和k ** local的缩放曲线,再换上最终图。 - 用图像模型出图前,先写完整的场景链,把每次交接物件的颜色、材质和形状原样复用到相邻提示词里。
- 用 Pillow 和 ffmpeg 合成前,把缩略图按播放顺序排一遍,把首帧再放到末帧旁边,检查最后一次交接的中心轮廓和色块。