行業(yè)唯一!海爾熱聲熱泵技術(shù)獲全國顛覆性技術(shù)創(chuàng)新大賽最高獎(jiǎng)OPPO A5 Pro首創(chuàng)獵手天線架構(gòu):信號(hào)能穿十堵墻一加 Ace 5 Pro首發(fā)電競(jìng)Wi-Fi芯片G1 帶來「穿墻王」和「搶網(wǎng)王」般的網(wǎng)絡(luò)體驗(yàn)電視市場(chǎng)又出黑馬!TCL同檔Mini LED音畫王P12K,萬象分區(qū)打造超強(qiáng)控光!零下25℃如何取暖?海爾水暖通溫暖驛站亮相冰雪大世界馬太效應(yīng),強(qiáng)者恒強(qiáng)?——《中國企業(yè)科創(chuàng)力研究報(bào)告(2024)》美團(tuán)年度報(bào)告竟然用上了AI和短。窟@下是真出圈了消息稱上汽大眾正開發(fā)三款新車,技術(shù)分別來自小鵬、智己和榮威鴻蒙智行泊車代駕VPD正式開啟全量推送!升級(jí)自動(dòng)泊車/接駕等多項(xiàng)功能華為官方翻新手機(jī)最高降價(jià)4000元曝蘋果研發(fā)帶Face ID的智能家居門鈴:內(nèi)置自研W-Fi芯片李斌回應(yīng)螢火蟲外觀設(shè)計(jì):看過實(shí)車的人都喜歡這個(gè)設(shè)計(jì)林杰:未來 A 級(jí)、A0 級(jí)、A00 級(jí)車型都將是領(lǐng)克純電的“主場(chǎng)”豐巢存包柜亮相南寧地鐵站,助力城市韌性建設(shè)與智慧出行萬象分區(qū)、絢彩XDR、量子點(diǎn)Pro 2025齊出手,TCL引領(lǐng)觀影體驗(yàn)新變革!QQ音樂年度聽歌報(bào)告發(fā)布:誰是你最喜歡的歌手?OpenAI正式發(fā)布o(jì)3 - 通往AGI的路上,已經(jīng)沒有了任何阻礙「送禮物」難撬動(dòng)社交電商,微信小店缺的是供給微軟Phi-4封神,14B小模型數(shù)學(xué)擊敗GPT-4o,合成數(shù)據(jù)占比40%,36頁技術(shù)報(bào)告出爐2024年結(jié)束,哪里是原創(chuàng)動(dòng)畫的應(yīng)許之地?
  • 首頁 > 產(chǎn)經(jīng)新聞?lì)l道 > 業(yè)界新聞

    阿里團(tuán)隊(duì)推新AI模型I2VGen-XL:?jiǎn)螐堨o止圖像就能生成高質(zhì)量視頻

    2023年12月25日 10:26:39   來源:站長(zhǎng)之家

      視頻合成最近取得了顯著的進(jìn)步,這得益于擴(kuò)散模型的快速發(fā)展。然而,它在語義準(zhǔn)確性、清晰度和時(shí)空連續(xù)性方面仍然存在挑戰(zhàn)。它們主要源于文本-視頻數(shù)據(jù)的稀缺性和視頻的復(fù)雜固有結(jié)構(gòu),使得模型難以同時(shí)確保語義和定性的卓越性。

      阿里巴巴、浙江大學(xué)和華中科技大學(xué)的研究人員提出了一種級(jí)聯(lián)的 I2VGen-XL 方法,該方法通過解耦這兩個(gè)因素來增強(qiáng)模型性能,并通過利用靜態(tài)圖像作為關(guān)鍵指導(dǎo)形式來確保輸入數(shù)據(jù)的對(duì)齊。

      I2VGen-XL 由兩個(gè)階段組成:

      i) 基礎(chǔ)階段通過使用兩個(gè)分層編碼器來保證連貫的語義并保留輸入圖像中的內(nèi)容。

      ii) 細(xì)化階段通過合并額外的簡(jiǎn)短文本來增強(qiáng)視頻的細(xì)節(jié),并將分辨率提高到1280x720。

      目前文本到視頻合成的主要挑戰(zhàn)之一是高質(zhì)量視頻文本對(duì)的收集。為了豐富 I2VGen-XL 的多樣性和魯棒性,研究人員收集了一個(gè)龐大的數(shù)據(jù)集,其中收集了大約3500萬個(gè)單鏡頭文本-視頻對(duì)和60億個(gè)文本-圖像對(duì)來優(yōu)化模型。通過這種方式,I2VGen-XL可以同時(shí)提高語義的準(zhǔn)確性、細(xì)節(jié)的連續(xù)性和生成視頻的清晰度。

      所提出的模型利用潛在擴(kuò)散模型(LDM),這是一種生成模型類,可以學(xué)習(xí)擴(kuò)散過程來生成目標(biāo)概率分布。在視頻合成的情況下,LDM逐漸從高斯噪聲中恢復(fù)潛在目標(biāo),保留視覺流形并重建高保真視頻。I2VGen-XL采用LDM(簡(jiǎn)稱VLDM)的3D UNet架構(gòu),以實(shí)現(xiàn)有效且高效的視頻合成。

      細(xì)化階段對(duì)于增強(qiáng)空間細(xì)節(jié)、細(xì)化面部和身體特征以及減少局部細(xì)節(jié)中的噪聲至關(guān)重要。研究人員分析了頻域細(xì)化模型的工作機(jī)制,強(qiáng)調(diào)了其在保留低頻數(shù)據(jù)和提高高清視頻連續(xù)性方面的有效性。

      在與 Gen-2和 Pika 等頂級(jí)方法的實(shí)驗(yàn)比較中,I2VGen-XL 展示了更豐富、更多樣化的運(yùn)動(dòng),強(qiáng)調(diào)了其在視頻生成方面的有效性。研究人員還對(duì)人臉、3D卡通、動(dòng)漫、中國畫、小動(dòng)物等多種圖像進(jìn)行了定性分析,展示了該模型的泛化能力。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。

    即時(shí)

    新聞

    明火炊具市場(chǎng):三季度健康屬性貫穿全類目

    奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。

    企業(yè)IT

    重慶創(chuàng)新公積金應(yīng)用,“區(qū)塊鏈+政務(wù)服務(wù)”顯成效

    “以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。

    3C消費(fèi)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,高能實(shí)力,創(chuàng)

    華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。

    研究

    中國信通院羅松:深度解讀《工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析體系

    9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。