使用URL2Video可以將網(wǎng)頁(yè)快速生成有創(chuàng)意的短視頻

機(jī)器學(xué)習(xí)可以實(shí)現(xiàn)對(duì)網(wǎng)頁(yè)內(nèi)容的理解，并選取關(guān)鍵對(duì)象生成有趣的短視頻。Google研究團(tuán)隊(duì)通過使用URL2Video可以將網(wǎng)頁(yè)快速生成有創(chuàng)意的短視頻。包括百度、快手、字節(jié)跳動(dòng)等都有相關(guān)的短視頻自動(dòng)化生產(chǎn)工具，隨著技術(shù)的成熟，將有大量的短視頻出自自動(dòng)化工具之手。在12月的LiveVideoStackCon 2020 SFO線上大會(huì)上，百度美國(guó)研究院資深研究員陳曦將會(huì)介紹“無人值守的大規(guī)模AI視頻生產(chǎn)”。

在Google，我們正在積極探索在制作多媒體內(nèi)容時(shí)，人們?nèi)绾问褂糜蓹C(jī)器學(xué)習(xí)和計(jì)算方法提供的創(chuàng)造性工具，從創(chuàng)作音樂、重新架構(gòu)視頻，到繪畫等等都涉及到了這方面內(nèi)容。尤其是視頻制作這樣一個(gè)頗具創(chuàng)意的過程，它可以很好地受益于這些工具，因?yàn)樗枰龀鲆幌盗袥Q策，確定哪些內(nèi)容最適合目標(biāo)受眾，如何在視圖中妥善排布現(xiàn)有資源，以及怎樣進(jìn)行時(shí)間安排能夠帶來最具吸引力的描述。但假如一個(gè)人能利用現(xiàn)有的資源，比如一個(gè)網(wǎng)站，來開啟視頻創(chuàng)作呢？大多數(shù)企業(yè)主辦的網(wǎng)站都呈現(xiàn)了關(guān)于其產(chǎn)品或服務(wù)豐富的視圖內(nèi)容，所有這些內(nèi)容都可以被重新應(yīng)用到其他多媒體格式，比如視頻，這可能使那些沒有大量資源的人能夠接觸到更廣泛的受眾。 2020年UIST上發(fā)表的“網(wǎng)頁(yè)端視頻的自動(dòng)化制作”里，我們介紹了一種基于內(nèi)容所有者提供的時(shí)間和視圖限制，將網(wǎng)頁(yè)自動(dòng)轉(zhuǎn)換為短視頻的研究原型——URL2Video。URL2Video從HTML源中提取資源（文本、圖像或視頻）及其設(shè)計(jì)風(fēng)格（包括字體、顏色、圖形布局和層次結(jié)構(gòu)），并將這些可視資源組合成一系列的快照，同時(shí)保持與源頁(yè)面相似的外觀和感覺，然后根據(jù)用戶指定的縱橫比和持續(xù)時(shí)間，將這些材料重新利用，渲染成一個(gè)適合產(chǎn)品和服務(wù)廣告的視頻。

URL2Video概述

假設(shè)用戶提供了一個(gè)闡述他們業(yè)務(wù)的網(wǎng)頁(yè)URL，URL2Video會(huì)自動(dòng)從頁(yè)面中選擇關(guān)鍵內(nèi)容，并根據(jù)一組針對(duì)熟悉網(wǎng)頁(yè)設(shè)計(jì)和視頻廣告制作的設(shè)計(jì)師的訪談研究得到的啟發(fā)式算法，決定每個(gè)資源的時(shí)間和視圖展示。這些如設(shè)計(jì)師般熟知的啟發(fā)式算法捕獲常見的視頻編輯樣式，包括內(nèi)容層次結(jié)構(gòu)，限制一個(gè)快照中的信息量及其持續(xù)時(shí)間，為品牌提供一致的顏色和樣式等等。利用這些信息，URL2Video解析網(wǎng)頁(yè)，分析內(nèi)容，選擇視覺突出的文本或圖像，同時(shí)保留它們的設(shè)計(jì)風(fēng)格，并根據(jù)用戶提供的視頻規(guī)范進(jìn)行組合。

通過在輸入的網(wǎng)頁(yè)中提取結(jié)構(gòu)內(nèi)容和設(shè)計(jì)，URL2Video做出自動(dòng)編輯決策，在視頻中呈現(xiàn)關(guān)鍵信息。它考慮到用戶定義的輸出視頻的時(shí)間限定（比如以秒為單位的持續(xù)時(shí)間）和空間限定（比如高寬比）。

網(wǎng)頁(yè)分析

一個(gè)網(wǎng)頁(yè)的URL，URL2Video會(huì)提取它的文檔對(duì)象模型（DOM）信息和多媒體材料。出于研究模型的目的，我們將域限制在靜態(tài)網(wǎng)上，這些頁(yè)面包含HTML層次結(jié)構(gòu)中保存的突出資源和標(biāo)題，這些層次結(jié)構(gòu)遵循最近的網(wǎng)頁(yè)設(shè)計(jì)原則，鼓勵(lì)使用重點(diǎn)的元素、更清晰的部分以及引導(dǎo)讀者感知信息的視覺焦點(diǎn)順序。URL2Video將這些視覺上可區(qū)分的元素標(biāo)記到資源組的候選列表，每個(gè)元素可能包含一個(gè)標(biāo)題、一個(gè)產(chǎn)品圖象、詳細(xì)描述和調(diào)用操作按鈕，并捕獲每個(gè)元素的原始素材（文本和多媒體文件）和詳細(xì)的設(shè)計(jì)規(guī)范（HTML標(biāo)簽、CSS樣式和呈現(xiàn)位置）。然后，通過根據(jù)每個(gè)資源組的視覺外觀和注釋，包括它們的HTML標(biāo)簽、呈現(xiàn)的尺寸還有顯示在頁(yè)面上的順序?qū)γ總€(gè)組進(jìn)行排序。這樣，在頁(yè)面頂部占據(jù)較大區(qū)域的資源組將獲得更高的分?jǐn)?shù)。

限定型的資源選擇

在制作視頻時(shí)，我們考慮了兩個(gè)目標(biāo)：（1）每個(gè)鏡頭都應(yīng)該提供簡(jiǎn)潔的視頻信息；（2）視覺設(shè)計(jì)應(yīng)該與源網(wǎng)頁(yè)一致?；谶@些目標(biāo)和用戶提供的視頻限定條件，包括預(yù)期的視頻持續(xù)時(shí)間（以秒為單位）和高寬比（通常為16:9、4:3、1:1等），URL2Video自動(dòng)選擇并命令資源組優(yōu)化總體優(yōu)先級(jí)分?jǐn)?shù)。為了使內(nèi)容簡(jiǎn)潔，它只顯示頁(yè)面中的主要元素，例如標(biāo)題和一些多媒體資源。它限定了觀眾所感知內(nèi)容的每個(gè)視覺元素的持續(xù)時(shí)間。這樣，簡(jiǎn)短的視頻強(qiáng)調(diào)了頁(yè)面頂部最突出的信息，時(shí)間長(zhǎng)一些的視頻則包含了更多的商業(yè)活動(dòng)或產(chǎn)品信息。

畫面構(gòu)圖與視頻渲染

根據(jù)基于DOM層次結(jié)構(gòu)的有序資源列表，URL2Video并行依照從訪談研究中獲得的設(shè)計(jì)啟發(fā)，對(duì)時(shí)間和空間安排做出決策，將資源在單個(gè)鏡頭中展現(xiàn)出來。它將元素的圖形布局轉(zhuǎn)換為視頻的縱橫比，并應(yīng)用了包括字體和顏色在內(nèi)的樣式選擇。為了使視頻更具動(dòng)感和吸引力，它調(diào)整了資源的顯示時(shí)間。最后，它將內(nèi)容渲染為MPEG-4格式的視頻。

用戶控制

研究原型界面允許用戶查看源網(wǎng)頁(yè)提取的每個(gè)視頻鏡頭中的設(shè)計(jì)屬性，以及重新排版材料，更改細(xì)節(jié)設(shè)計(jì)，如顏色和字體，并更改限制條件來生成新的視頻。

在URL2Video的創(chuàng)作界面（左）中，用戶指定源頁(yè)面輸入的URL、目標(biāo)頁(yè)面視圖的大小以及輸出視頻參數(shù)。URL2Video分析網(wǎng)頁(yè)，并提取主要的視覺組件。由它組成了一系列的鏡頭，并將關(guān)鍵畫面可視化為一個(gè)故事板。這些組件滿足輸入時(shí)間和空間限定后輸出呈現(xiàn)為視頻。用戶可以播放視頻，檢查設(shè)計(jì)屬性（右下角），并進(jìn)行調(diào)整以做視頻更改，例如重新排序鏡頭（右上）。

URL2Video用例

我們?cè)诂F(xiàn)有的各種網(wǎng)頁(yè)上演示了端到端的URL2Video的性能。下面我們特別展示一個(gè)實(shí)例結(jié)果，其中URL2Video將嵌入多個(gè)短視頻剪接的頁(yè)面轉(zhuǎn)換為一個(gè)12秒的輸出視頻。請(qǐng)注意它如何在從源網(wǎng)頁(yè)面捕獲的視頻中對(duì)字體和顏色選擇、時(shí)間和內(nèi)容排序作出自動(dòng)編輯決定的。

URL2Video從我們的Google搜索介紹頁(yè)面（頂部）識(shí)別關(guān)鍵內(nèi)容，包括標(biāo)題和視頻資源。通過綜合考慮顯示流程、源設(shè)計(jì)和輸出限定，URL2Video將它們轉(zhuǎn)換為視頻（12秒的橫向視頻；底部） 下面的視頻作了進(jìn)一步的演示： https://www.youtube.com/watch？v=3yFYc-Wet8k&feature=youtu.be 為了評(píng)估自動(dòng)生成的視頻，我們與Google的設(shè)計(jì)師進(jìn)行了一項(xiàng)用戶研究。實(shí)驗(yàn)結(jié)果表明，URL2Video能夠有效地從網(wǎng)頁(yè)中提取設(shè)計(jì)元素，并通過引導(dǎo)視頻創(chuàng)建的過程為設(shè)計(jì)師提供支持。

下一步

雖然目前的研究集中在視覺展示，但我們正在開發(fā)新的技術(shù)，以在視頻編輯中支持音軌和畫外音。總之，我們?cè)O(shè)想的未來是，創(chuàng)作者專注于做出高層決策，而機(jī)器學(xué)習(xí)模型配合其在多個(gè)平臺(tái)上為最終視頻的制作提供詳細(xì)的時(shí)間和圖形編輯建議。

致謝

我們非常感謝我們的論文合著者Zheng Sun（Research）和Katrina Panovich（YouTube）。我們還要感謝我們的同事，他們（按姓氏的字幕順序）-JordanCanedy， Brian Curless， Nathan Frey， Madison Le， Alireza Mahdian， Justin Parra，Emily Ryan， Mogan Shieh， Sandor Szego和Weilong Yang-為URL2Video作出了貢獻(xiàn)。我們感謝我們的領(lǐng)導(dǎo)人Tomas Izo， RahulSukthankar和Jay Yagnik的支持。

責(zé)任編輯：lq