E Ink元太科技連三年入選道瓊可持續(xù)雙指數(shù)撬動(dòng)6000億GTV后,抖音計(jì)劃偷襲美團(tuán)大本營AGI Open Network(AON):賦能每個(gè)人創(chuàng)建、部署和貨幣化AI Agent貸款利率史上最低了嗎?東融教你看懂歷年啥水平“客服來電”有詐?抖音客服上線“驗(yàn)證助手”助用戶識別詐騙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)營商11月成績單: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
  • 首頁 > 云計(jì)算頻道 > 大模型

    Open-Sora悄悄升級 支持16秒視頻生成和720p分辨率

    2024年04月25日 14:36:28   來源:站長之家

      Open-Sora 在開源社區(qū)悄悄更新了,現(xiàn)在,該項(xiàng)目不僅支持長達(dá)16秒的單鏡頭視頻生成,而且視頻分辨率最高可達(dá)720p,能夠處理各種寬高比的文本到圖像、文本到視頻、圖像到視頻、視頻到視頻以及無限長視頻的生成需求。

      技術(shù)報(bào)告與模型架構(gòu):

      Open-Sora技術(shù)報(bào)告已在GitHub上發(fā)布,詳細(xì)介紹了新功能和模型架構(gòu)。

      作者團(tuán)隊(duì)對STDiT架構(gòu)進(jìn)行了關(guān)鍵性改進(jìn),提高了模型的訓(xùn)練穩(wěn)定性和整體性能。

      引入了旋轉(zhuǎn)位置編碼(RoPE embedding)和QK歸一化技術(shù),以增強(qiáng)訓(xùn)練穩(wěn)定性。

      ST-DiT-2架構(gòu)能夠自動(dòng)縮放位置編碼,處理不同大小尺寸的輸入。

      多階段訓(xùn)練方法:

      Open-Sora采用了多階段訓(xùn)練方法,通過分步驟引入數(shù)據(jù),高效實(shí)現(xiàn)高質(zhì)量視頻生成。

      初始階段視頻采用144p分辨率,混訓(xùn)圖片和更高分辨率視頻。

      第二階段提升至240p和480p分辨率,第三階段進(jìn)一步增強(qiáng)至480p和720p。

      統(tǒng)一的圖生視頻/視頻生視頻框架:

      基于Transformer,DiT架構(gòu)可支持圖像到圖像及視頻到視頻任務(wù)。

      提出掩碼策略來支持圖像和視頻的條件化處理。

      掩碼策略配置:

      引入了隨機(jī)掩碼策略,以隨機(jī)方式選擇并取消掩碼的幀,提高模型處理圖像條件化的能力。

      支持多時(shí)間/分辨率/長寬比/幀率訓(xùn)練:

      通過分桶策略,使用原始視頻的分辨率、長寬比和長度進(jìn)行訓(xùn)練,增加采樣靈活性。

      數(shù)據(jù)收集和預(yù)處理流程:

      作者團(tuán)隊(duì)提供了詳盡的數(shù)據(jù)收集與處理指南,分享了自動(dòng)化的數(shù)據(jù)處理流程。

      性能全方位評測:

      Open-Sora能夠?qū)⑽淖置枋鲛D(zhuǎn)化為動(dòng)人的動(dòng)態(tài)視頻,支持多種內(nèi)容、分辨率、長寬比和時(shí)長的生成。

      盡管取得了進(jìn)展,但當(dāng)前生成的視頻在噪聲問題、時(shí)間一致性、人物生成質(zhì)量以及美學(xué)評分方面仍有待改進(jìn)。作者團(tuán)隊(duì)將在下一版本中優(yōu)先解決這些挑戰(zhàn)。

      文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請謹(jǐn)慎對待。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: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)識解析專題論壇在沈陽成功舉辦。