將Transformer用于擴散模型，AI 生成視頻達到照片級真實感

AIGC動態歡迎閱讀

原標題：將Transformer用于擴散模型，AI 生成視頻達到照片級真實感

關鍵字：視頻,模型,注意力,圖像,報告

文章來源：機器之心

內容字數：9333字

內容摘要：機器之心報道編輯：Panda在視頻生成場景中，用 Transformer 做擴散模型的去噪骨干已經被李飛飛等研究者證明行得通。這可算得上是 Transformer 在視頻生成領域取得的一項重大成功。近日，一項視頻生成研究收獲了大量贊譽，甚至被一位 X 網友評價為「好萊塢的終結」。真的有這么好嗎？我們先看下效果：??很明顯，這些視頻不僅幾乎看不到偽影，而且還非常連貫、細節滿滿，甚至似乎就算真的在電影大片中加上幾幀，也不會明顯違和。這些視頻的作者是來自斯坦福大學、谷歌、佐治亞理工學院的研究者提出的 Window Attention Latent Transformer，即窗口注意力隱 Transformer，簡稱 W.A.L.T。該方法成功地將 Transformer 架構整合到了隱視頻擴散模型中。斯坦福大學的李飛飛教授也是該論文的作者之一。項目網站：https://walt-video-di…

原文鏈接：點此閱讀原文：將Transformer用于擴散模型，AI 生成視頻達到照片級真實感

聯系作者

文章來源：機器之心

作者微信：almosthuman2014

作者簡介：專業的人工智能媒體和產業服務平臺