deep-landscape 是视频领域的开源项目，由 advimman 开发，2020 年首次发布。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 111。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-04-26。MIT许可证，完全免费，无付费版本。
它主要面向的使用场景是：学术研究：验证对抗生成在视频生成中的效果。同类可对比的替代方案包括 VideoGAN、MoCoGAN、Dynamics Transfer GAN。
deep-landscape
一张风景照，生成自然动态视频
DeepLandscape 是 ECCV2020 论文的官方实现，专注于风景视频的对抗性建模。它解决的核心问题是：如何从单一静态风景图像生成具有自然动态效果（如水流、云动、树叶摇曳）的连续视频。项目基于生成对抗网络（GAN）架构，通过对抗训练学习视频帧间的时序一致性，同时引入运动重演（reenactment）机制，使得生成的视频既能保持原始图像的场景结构，又能产生逼真的动态纹理。其核心能力包括：单图驱动视频生成、动态纹理合成、以及跨场景运动迁移。该工具主要面向计算机视觉研究人员，用于探索视频生成和图像动画化技术，也可作为艺术创作或虚拟场景构建的辅助工具。
开源
free
视频生成
GitHub 星标
★ 111
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队advimman
所属国家
定价模式free
价格说明开源项目，MIT许可证，完全免费，无付费版本。
访问状态
是否开源是
开源协议MIT
主要语言Python
技术栈/模型deep-learning,gan,generative-adversarial-network,reenactment,video-generation
GitHub 星标★ 111
30天Star增速
HF 下载量
上线时间2020-07-17 00:00:00
最近更新2026-04-26 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数1
使用教程
核心亮点
- 学术背书：ECCV2020 论文官方实现，方法有理论支撑
- 单图生成视频：仅需一张静态图即可生成动态风景，降低数据门槛
- 运动重演机制：支持将运动模式迁移到不同场景，增加灵活性
不足之处
- 文档/社区待观察：项目星标仅111，文档和社区支持可能有限
- 依赖较旧：基于2020年技术，可能未适配最新深度学习框架
适用场景
- 学术研究：验证对抗生成在视频生成中的效果
- 艺术创作：为静态风景画添加动态效果
- 虚拟场景构建：生成自然背景视频用于游戏或影视预演
替代项目
VideoGAN、MoCoGAN、Dynamics Transfer GAN
项目介绍
上一篇：digan
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
auto-subs
开源
在剪辑软件里直接生成字幕，省去导出导入的麻烦
On-device subtitle generation that connects directly to DaVinci Resolve, Premiere, a···