cari
RumahPeranti teknologiAIStreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

Tembakan luas medan perang, stormtroopers berlari...

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

prompt: Tembakan lebar medan perang, stormtroopers berlari...

Video 2 minit ini dengan teks 1200 bingkai adalah video -ke-video) model. Walaupun kesan AI masih jelas, watak dan adegan menunjukkan konsistensi yang agak baik.

Bagaimana ini dilakukan? Anda harus tahu bahawa walaupun kualiti penjanaan dan kualiti penjajaran teks teknologi video Vincent agak baik sejak beberapa tahun kebelakangan ini, kebanyakan kaedah sedia ada memfokuskan pada penjanaan video pendek (biasanya 16 atau 24 bingkai panjang). Walau bagaimanapun, kaedah sedia ada yang berfungsi untuk video pendek sering gagal berfungsi dengan video panjang (≥ 64 bingkai).

Malah menghasilkan urutan pendek selalunya memerlukan latihan yang mahal, seperti langkah latihan melebihi 260K dan saiz kelompok melebihi 4500. Jika anda tidak melatih video yang lebih panjang dan menggunakan penjana video pendek untuk menghasilkan video yang panjang, video panjang yang terhasil selalunya tidak berkualiti. Kaedah autoregresif sedia ada (menjana video pendek baharu dengan menggunakan beberapa bingkai terakhir video pendek, dan kemudian mensintesis video panjang) juga mempunyai beberapa masalah seperti penukaran adegan yang tidak konsisten.

Untuk mengimbangi kelemahan kaedah sedia ada, Picsart AI Research dan institusi lain bersama-sama mencadangkan kaedah video Vincent baharu: StreamingT2V. Kaedah ini menggunakan teknologi autoregresif dan menggabungkannya dengan modul memori jangka pendek yang panjang, yang membolehkannya menjana video panjang dengan koheren temporal yang kuat. . https ://streamingt2v.github.io/

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

Berikut ialah hasil penjanaan video 600 bingkai 1 minit Anda dapat melihat bahawa lebah dan bunga mempunyai konsistensi yang sangat baik:
  • Oleh itu, pasukan mengemukakan. syarat Modul Perhatian (CAM). CAM menggunakan mekanisme perhatiannya untuk menyepadukan maklumat daripada bingkai sebelumnya secara berkesan untuk menghasilkan bingkai baharu, dan boleh mengendalikan gerakan dalam bingkai baharu secara bebas tanpa dihadkan oleh struktur atau bentuk bingkai sebelumnya.
  • Untuk menyelesaikan masalah perubahan penampilan orang dan objek dalam video yang dihasilkan, pasukan itu juga mencadangkan modul pemeliharaan penampilan (APM): ia boleh mengekstrak maklumat penampilan objek atau adegan global daripada imej awal ( bingkai sauh), dan gunakan maklumat ini untuk mengawal selia proses penjanaan video untuk semua blok video.
  • Untuk meningkatkan lagi kualiti dan resolusi penjanaan video panjang, pasukan itu menambah baik model peningkatan video untuk tugas penjanaan autoregresif. Untuk melakukan ini, pasukan memilih model video Vincent resolusi tinggi dan menggunakan kaedah SDEdit untuk meningkatkan kualiti 24 blok video berturut-turut (8 daripadanya bertindih).

Untuk menjadikan peralihan peningkatan blok video lancar, mereka juga mereka bentuk kaedah pengadunan rawak yang menggabungkan blok video dipertingkat bertindih dengan cara yang lancar.

Kaedah

Mula-mula, hasilkan video 5 saat pada resolusi 256 × 256 (16fps) dan kemudian tingkatkan kepada resolusi yang lebih tinggi (720 × 720). Rajah 2 menunjukkan aliran kerja lengkapnya.

Bahagian penjanaan video panjang terdiri daripada Peringkat Permulaan dan Peringkat T2V Penstriman.

Antaranya, fasa permulaan menggunakan model video Vincent yang telah dilatih (contohnya, anda boleh menggunakan Modelscope) untuk menjana blok video 16 bingkai pertama manakala fasa video Vincent penstriman menjana bingkai seterusnya secara autoregresif Kandungan baharu.

Untuk proses autoregresif (lihat Rajah 3), CAM yang baru dicadangkan oleh pasukan boleh menggunakan maklumat jangka pendek 8 bingkai terakhir bagi blok video sebelumnya untuk mencapai pertukaran yang lancar antara blok. Di samping itu, mereka juga akan menggunakan modul APM yang baru dicadangkan untuk mengekstrak maklumat jangka panjang rangka sauh tetap, supaya proses autoregresif dapat mengatasi perubahan dalam perkara dan butiran adegan semasa proses penjanaan.

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

Selepas menjana video panjang (80, 240, 600, 1200 atau lebih bingkai), mereka kemudiannya meningkatkan kualiti video melalui Peringkat Penapisan Penstriman. Proses ini menggunakan model video pendek Vison beresolusi tinggi (mis., MS-Vid2Vid-XL) secara autoregresif, ditambah dengan kaedah campuran stokastik yang baru dicadangkan untuk pemprosesan blok video yang lancar. Tambahan pula, langkah terakhir tidak memerlukan latihan tambahan, yang menjadikan kaedah ini lebih murah dari segi pengiraan.

Modul Perhatian Bersyarat

Pertama, model video Vincent (pendek) pra-latihan yang digunakan ditandakan sebagai Video-LDM. Modul perhatian (CAM) terdiri daripada pengekstrak ciri dan penyuntik ciri yang disuntik ke dalam Video-LDM UNet.

Pengekstrak ciri menggunakan pengekod imej bingkai demi bingkai, diikuti oleh lapisan pengekod yang sama yang digunakan oleh Video-LDM UNet sehingga lapisan tengah (dan dimulakan mengikut berat UNet).

Untuk suntikan ciri, reka bentuk di sini adalah untuk membenarkan setiap sambungan lompatan jarak jauh dalam UNet memfokuskan pada ciri sepadan yang dihasilkan oleh CAM melalui perhatian silang.

Modul Pemeliharaan Penampilan

Modul APM menyepadukan memori jangka panjang ke dalam proses penjanaan video dengan menggunakan maklumat daripada bingkai sauh tetap. Ini membantu mengekalkan ciri pemandangan dan objek semasa penjanaan tampalan video.

Untuk APM mengimbangi pemprosesan maklumat panduan yang diberikan oleh bingkai sauh dan arahan teks, pasukan membuat dua penambahbaikan: (1) Campurkan token imej CLIP bingkai sauh dengan token teks CLIP arahan teks ; (2) Berat diperkenalkan untuk setiap lapisan perhatian silang untuk menggunakan perhatian silang. . Proses ini dilakukan dengan terlebih dahulu menambahkan sejumlah besar hingar pada blok video input, dan kemudian menggunakan model penyebaran video Vincent ini untuk melakukan pemprosesan denoising.

Walau bagaimanapun, kaedah ini tidak mencukupi untuk menyelesaikan masalah ketidakpadanan peralihan antara blok video.

Untuk tujuan ini, penyelesaian pasukan adalah kaedah pencampuran rawak. Sila rujuk kertas asal untuk butiran khusus.

Eksperimen

Dalam eksperimen, metrik penilaian yang digunakan oleh pasukan termasuk: Skor SCuts untuk menilai ketekalan temporal, ralat pintal sedar gerakan (MAWE) untuk menilai ralat gerakan dan twist, skor persamaan teks-imej CLIP (CLIP) dan skor estetik (AE) untuk menilai kualiti penjajaran teks.

Kajian Ablasi

Untuk menilai keberkesanan pelbagai komponen baharu, pasukan melakukan kajian ablasi pada 75 gesaan yang diambil secara rawak daripada set pengesahan.

CAM untuk pemprosesan bersyarat: CAM membantu model menjana video yang lebih konsisten, dengan skor SCuts 88% lebih rendah daripada model garis dasar lain dalam perbandingan.

Memori jangka panjang: Rajah 6 menunjukkan bahawa ingatan jangka panjang boleh membantu mengekalkan kestabilan ciri objek dan adegan semasa proses penjanaan autoregresif.

Pada metrik penilaian kuantitatif (skor pengenalan semula orang), APM mencapai peningkatan 20%.

Pencampuran rawak untuk peningkatan video: Berbanding dengan dua penanda aras yang lain, pencampuran rawak boleh membawa peningkatan kualiti yang ketara Ia juga boleh dilihat daripada Rajah 4: StreamingT2V boleh mendapatkan peralihan yang lebih lancar.

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

StreamingT2V berbanding model garis dasar

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

Pasukan membandingkan penyepaduan StreamingT2V yang dipertingkatkan di atas dengan pelbagai model-Generatif imej, termasuk kaedah Igresif-Generatif-imej penilaian kualitatif XL, SVD, DynamiCrafter-XL, SEINE, kaedah video ke video SparseControl, kaedah teks ke video panjang FreeNoise.

Penilaian kuantitatif: Seperti yang dapat dilihat daripada Jadual 8, penilaian kuantitatif pada set ujian menunjukkan bahawa StreamingT2V berprestasi terbaik dari segi peralihan blok video yang lancar dan konsistensi gerakan. Skor MAWE bagi kaedah baharu juga jauh lebih baik daripada semua kaedah lain - malah lebih 50% lebih rendah daripada SEINE kedua terbaik. Tingkah laku yang sama dilihat dalam skor SCuts.

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

Selain itu, StreamingT2V hanya lebih rendah sedikit daripada SparseCtrl dari segi kualiti bingkai tunggal video yang dihasilkan. Ini menunjukkan bahawa kaedah baharu ini mampu menjana video panjang berkualiti tinggi dengan ketekalan temporal dan dinamik gerakan yang lebih baik daripada kaedah perbandingan lain.

Penilaian kualitatif: Rajah di bawah menunjukkan perbandingan kesan StreamingT2V dengan kaedah lain Dapat dilihat bahawa kaedah baru dapat mengekalkan konsistensi yang lebih baik sambil memastikan kesan dinamik video.

StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka

Untuk butiran penyelidikan lanjut, sila rujuk kertas asal.

Atas ialah kandungan terperinci StreamingT2V, penjana video panjang dua minit dan 1,200 bingkai, ada di sini, dan kod itu akan menjadi sumber terbuka. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan
Artikel ini dikembalikan pada:51CTO.COM. Jika ada pelanggaran, sila hubungi admin@php.cn Padam
ai合并图层的快捷键是什么ai合并图层的快捷键是什么Jan 07, 2021 am 10:59 AM

ai合并图层的快捷键是“Ctrl+Shift+E”,它的作用是把目前所有处在显示状态的图层合并,在隐藏状态的图层则不作变动。也可以选中要合并的图层,在菜单栏中依次点击“窗口”-“路径查找器”,点击“合并”按钮。

ai橡皮擦擦不掉东西怎么办ai橡皮擦擦不掉东西怎么办Jan 13, 2021 am 10:23 AM

ai橡皮擦擦不掉东西是因为AI是矢量图软件,用橡皮擦不能擦位图的,其解决办法就是用蒙板工具以及钢笔勾好路径再建立蒙板即可实现擦掉东西。

谷歌超强AI超算碾压英伟达A100!TPU v4性能提升10倍,细节首次公开谷歌超强AI超算碾压英伟达A100!TPU v4性能提升10倍,细节首次公开Apr 07, 2023 pm 02:54 PM

虽然谷歌早在2020年,就在自家的数据中心上部署了当时最强的AI芯片——TPU v4。但直到今年的4月4日,谷歌才首次公布了这台AI超算的技术细节。论文地址:https://arxiv.org/abs/2304.01433相比于TPU v3,TPU v4的性能要高出2.1倍,而在整合4096个芯片之后,超算的性能更是提升了10倍。另外,谷歌还声称,自家芯片要比英伟达A100更快、更节能。与A100对打,速度快1.7倍论文中,谷歌表示,对于规模相当的系统,TPU v4可以提供比英伟达A100强1.

ai可以转成psd格式吗ai可以转成psd格式吗Feb 22, 2023 pm 05:56 PM

ai可以转成psd格式。转换方法:1、打开Adobe Illustrator软件,依次点击顶部菜单栏的“文件”-“打开”,选择所需的ai文件;2、点击右侧功能面板中的“图层”,点击三杠图标,在弹出的选项中选择“释放到图层(顺序)”;3、依次点击顶部菜单栏的“文件”-“导出”-“导出为”;4、在弹出的“导出”对话框中,将“保存类型”设置为“PSD格式”,点击“导出”即可;

GPT-4的研究路径没有前途?Yann LeCun给自回归判了死刑GPT-4的研究路径没有前途?Yann LeCun给自回归判了死刑Apr 04, 2023 am 11:55 AM

Yann LeCun 这个观点的确有些大胆。 「从现在起 5 年内,没有哪个头脑正常的人会使用自回归模型。」最近,图灵奖得主 Yann LeCun 给一场辩论做了个特别的开场。而他口中的自回归,正是当前爆红的 GPT 家族模型所依赖的学习范式。当然,被 Yann LeCun 指出问题的不只是自回归模型。在他看来,当前整个的机器学习领域都面临巨大挑战。这场辩论的主题为「Do large language models need sensory grounding for meaning and u

ai顶部属性栏不见了怎么办ai顶部属性栏不见了怎么办Feb 22, 2023 pm 05:27 PM

ai顶部属性栏不见了的解决办法:1、开启Ai新建画布,进入绘图页面;2、在Ai顶部菜单栏中点击“窗口”;3、在系统弹出的窗口菜单页面中点击“控制”,然后开启“控制”窗口即可显示出属性栏。

ai移动不了东西了怎么办ai移动不了东西了怎么办Mar 07, 2023 am 10:03 AM

ai移动不了东西的解决办法:1、打开ai软件,打开空白文档;2、选择矩形工具,在文档中绘制矩形;3、点击选择工具,移动文档中的矩形;4、点击图层按钮,弹出图层面板对话框,解锁图层;5、点击选择工具,移动矩形即可。

强化学习再登Nature封面,自动驾驶安全验证新范式大幅减少测试里程强化学习再登Nature封面,自动驾驶安全验证新范式大幅减少测试里程Mar 31, 2023 pm 10:38 PM

引入密集强化学习,用 AI 验证 AI。 自动驾驶汽车 (AV) 技术的快速发展,使得我们正处于交通革命的风口浪尖,其规模是自一个世纪前汽车问世以来从未见过的。自动驾驶技术具有显着提高交通安全性、机动性和可持续性的潜力,因此引起了工业界、政府机构、专业组织和学术机构的共同关注。过去 20 年里,自动驾驶汽车的发展取得了长足的进步,尤其是随着深度学习的出现更是如此。到 2015 年,开始有公司宣布他们将在 2020 之前量产 AV。不过到目前为止,并且没有 level 4 级别的 AV 可以在市场

See all articles

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Alat panas

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SecLists

SecLists

SecLists ialah rakan penguji keselamatan muktamad. Ia ialah koleksi pelbagai jenis senarai yang kerap digunakan semasa penilaian keselamatan, semuanya di satu tempat. SecLists membantu menjadikan ujian keselamatan lebih cekap dan produktif dengan menyediakan semua senarai yang mungkin diperlukan oleh penguji keselamatan dengan mudah. Jenis senarai termasuk nama pengguna, kata laluan, URL, muatan kabur, corak data sensitif, cangkerang web dan banyak lagi. Penguji hanya boleh menarik repositori ini ke mesin ujian baharu dan dia akan mempunyai akses kepada setiap jenis senarai yang dia perlukan.

MantisBT

MantisBT

Mantis ialah alat pengesan kecacatan berasaskan web yang mudah digunakan yang direka untuk membantu dalam pengesanan kecacatan produk. Ia memerlukan PHP, MySQL dan pelayan web. Lihat perkhidmatan demo dan pengehosan kami.

mPDF

mPDF

mPDF ialah perpustakaan PHP yang boleh menjana fail PDF daripada HTML yang dikodkan UTF-8. Pengarang asal, Ian Back, menulis mPDF untuk mengeluarkan fail PDF "dengan cepat" dari tapak webnya dan mengendalikan bahasa yang berbeza. Ia lebih perlahan dan menghasilkan fail yang lebih besar apabila menggunakan fon Unicode daripada skrip asal seperti HTML2FPDF, tetapi menyokong gaya CSS dsb. dan mempunyai banyak peningkatan. Menyokong hampir semua bahasa, termasuk RTL (Arab dan Ibrani) dan CJK (Cina, Jepun dan Korea). Menyokong elemen peringkat blok bersarang (seperti P, DIV),

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

Persekitaran pembangunan bersepadu PHP yang berkuasa