“客服來電”有詐?抖音客服上線“驗(yàn)證助手”助用戶識(shí)別詐騙OpenAI新模型GPT-5研發(fā)未達(dá)預(yù)期:成本高昂 效果不佳曝天馬打入果鏈:為蘋果HomePod供應(yīng)LCD屏 每塊屏僅10美元曝OPPO或首發(fā)新款天璣次旗艦芯片 兩大子品牌Q2發(fā)力諾基亞攜手阿聯(lián)酋運(yùn)營(yíng)商e&,展示全球首個(gè)固網(wǎng)游戲端到端網(wǎng)絡(luò)切片方案零下25℃制熱26℃!海爾水暖通黑科技亮相冰雪大世界三星沒放棄曲面屏開發(fā)!最新專利曝光暗示有望回歸三大運(yùn)營(yíng)商11月成績(jī)單:用戶數(shù)據(jù)增幅放緩打造下一個(gè)英偉達(dá),孫正義的2026芯片計(jì)劃曝光瞭望2025全球6G技術(shù)發(fā)展趨勢(shì)AI時(shí)代云安全新范式,暢捷通智能守護(hù)小微企業(yè)安全上云百川智能發(fā)布全鏈路領(lǐng)域增強(qiáng)金融大模型 Baichuan4-Finance年末家電消費(fèi)觀察:品質(zhì)生活類產(chǎn)品熱賣,將持續(xù)迎來剛需式普及?GPT-5研發(fā)受阻:OpenAI 新一代模型難見突破性進(jìn)展新一代語言模型ModernBERT發(fā)布,RAG等任務(wù)處理速度快四倍、成本低新研究顯示:Anthropic 的 Claude AI 在合作能力上領(lǐng)先于 OpenAI 和谷歌模型谷歌向投資者保證人工智能本月將迎來“驚人”表現(xiàn)多模態(tài)大模型引爆應(yīng)用場(chǎng)景 階躍星辰完成數(shù)億美元融資星動(dòng)紀(jì)元發(fā)布端到端原生機(jī)器人大模型ERA-42 實(shí)現(xiàn)機(jī)器人復(fù)雜場(chǎng)景操作免費(fèi)模式強(qiáng)攻下,快手、抖音用“短劇VIP”反擊?
  • 首頁(yè) > 云計(jì)算頻道 > 大模型

    TF-T2V把AI量產(chǎn)視頻的成本打下來了!華科阿里等聯(lián)合打造

    2024年01月08日 18:26:22   來源:機(jī)器之心

      本文來自于微信公眾號(hào) 機(jī)器之心(ID:almosthuman2014),作者:機(jī)器之心。

      在過去短短兩年內(nèi),隨著諸如LAION-5B 等大規(guī)模圖文數(shù)據(jù)集的開放,Stable Diffusion、DALL-E2、ControlNet、Composer ,效果驚人的圖片生成方法層出不窮。圖片生成領(lǐng)域可謂狂飆突進(jìn)。

      然而,與圖片生成相比,視頻生成仍存在巨大挑戰(zhàn)。首先,視頻生成需要處理更高維度的數(shù)據(jù),考慮額外時(shí)間維度帶來的時(shí)序建模問題,因此需要更多的視頻 - 文本對(duì)數(shù)據(jù)來驅(qū)動(dòng)時(shí)序動(dòng)態(tài)的學(xué)習(xí)。然而,對(duì)視頻進(jìn)行準(zhǔn)確的時(shí)序標(biāo)注非常昂貴。這限制了視頻 - 文本數(shù)據(jù)集的規(guī)模,如現(xiàn)有 WebVid10M 視頻數(shù)據(jù)集包含10.7M 視頻 - 文本對(duì),與 LAION-5B 圖片數(shù)據(jù)集在數(shù)據(jù)規(guī)模上相差甚遠(yuǎn),嚴(yán)重制約了視頻生成模型規(guī);臄U(kuò)展。

      為解決上述問題,華中科技大學(xué)、阿里巴巴集團(tuán)、浙江大學(xué)和螞蟻集團(tuán)聯(lián)合研究團(tuán)隊(duì)于近期發(fā)布了TF-T2V視頻方案:

      該方案另辟蹊徑,提出了基于大規(guī)模無文本標(biāo)注視頻數(shù)據(jù)進(jìn)行視頻生成,能夠?qū)W習(xí)豐富的運(yùn)動(dòng)動(dòng)態(tài)。

      先來看看 TF-T2V 的視頻生成效果:

      文生視頻任務(wù)

      提示詞:生成在冰雪覆蓋的土地上有一只冰霜般的大生物的視頻。

      提示詞:生成一只卡通蜜蜂的動(dòng)畫視頻。

      提示詞:生成包含一輛未來幻想摩托車的視頻。

      提示詞:生成一個(gè)小男孩快樂微笑的視頻。

      提示詞:生成一個(gè)老人感覺頭疼的視頻。

      組合式視頻生成任務(wù)

      給定文本與深度圖或者文本與素描草圖,TF-T2V 能夠進(jìn)行可控的視頻生成:

      也可以進(jìn)行高分辨率視頻合成:

      半監(jiān)督設(shè)定

      在半監(jiān)督設(shè)定下的 TF-T2V 方法還可以生成符合運(yùn)動(dòng)文本描述的視頻,如 「人從右往左跑」。

      方法簡(jiǎn)介

      TF-T2V 的核心思想是將模型分為運(yùn)動(dòng)分支和表觀分支,運(yùn)動(dòng)分支用于建模運(yùn)動(dòng)動(dòng)態(tài),表觀分支用于學(xué)習(xí)視覺表觀信息。這兩個(gè)分支進(jìn)行聯(lián)合訓(xùn)練,最終可以實(shí)現(xiàn)通過文本驅(qū)動(dòng)視頻生成。

      為了提升生成視頻的時(shí)序一致性,作者團(tuán)隊(duì)還提出了一種時(shí)序一致性損失,顯式地學(xué)習(xí)視頻幀之間的連續(xù)性。

      值得一提的是,TF-T2V 是一種通用的框架,不僅適用于文生視頻任務(wù),還能應(yīng)用于組合式視頻生成任務(wù),如 sketch-to-video、video inpainting、first frame-to-video 等。

      具體細(xì)節(jié)和更多實(shí)驗(yàn)結(jié)果可以參考原論文或者項(xiàng)目主頁(yè)。

      此外,作者團(tuán)隊(duì)還把 TF-T2V 作為教師模型,利用一致性蒸餾技術(shù)得到了 VideoLCM 模型:

      不同于之前視頻生成方法需要大約50步 DDIM 去噪步驟,基于 TF-T2V 的 VideoLCM 方法可以只需要進(jìn)行大約4步推理去噪就生成高保真的視頻,極大地提升了視頻生成的效率。

      一起來看看 VideoLCM 進(jìn)行4步去噪推理的結(jié)果:

      具體細(xì)節(jié)和更多實(shí)驗(yàn)結(jié)果可以參考 VideoLCM 原論文或者項(xiàng)目主頁(yè)。

      總而言之,TF-T2V 方案為視頻生成領(lǐng)域帶來了新思路,克服了數(shù)據(jù)集規(guī)模和標(biāo)注難題帶來的挑戰(zhàn)。利用大規(guī)模的無文本標(biāo)注視頻數(shù)據(jù),TF-T2V 能夠生成高質(zhì)量的視頻,并應(yīng)用于多種視頻生成任務(wù)。這一創(chuàng)新將推動(dòng)視頻生成技術(shù)的發(fā)展,為各行各業(yè)帶來更廣闊的應(yīng)用場(chǎng)景和商業(yè)機(jī)會(huì)。

      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(guó)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。