AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：文生視頻下一站，Meta已經(jīng)開始視頻生視頻了
關(guān)鍵字：視頻,研究者,模型,遮擋,條件
文章來(lái)源：機(jī)器之心
內(nèi)容字?jǐn)?shù)：6533字

內(nèi)容摘要：

機(jī)器之心報(bào)道
編輯：小舟、大盤雞?
文本指導(dǎo)的視頻到視頻（V2V）合成在各個(gè)領(lǐng)域具有廣泛的應(yīng)用，例如短視頻創(chuàng)作以及更廣泛的電影行業(yè)。擴(kuò)散模型已經(jīng)改變了圖像到圖像（I2I）的合成方式，但在視頻到視頻（V2V）合成方面面臨維持視頻幀間時(shí)間一致性的挑戰(zhàn)。在視頻上應(yīng)用 I2I 模型通常會(huì)在幀之間產(chǎn)生像素閃爍。
為了解決這個(gè)問(wèn)題，來(lái)自得州大學(xué)奧斯汀分校、Meta GenAI 的研究者提出了一種新的 V2V 合成框架 ——FlowVid，聯(lián)合利用了源視頻中的空間條件和時(shí)間光流線索（clue）。給定輸入視頻和文本 prompt，F(xiàn)lowVid 就可以合成時(shí)間一致的視頻。論文地址：https://huggingface.co/papers/2312.17681
項(xiàng)目地址：https://jeff-liangf.github.io/projects/flowvid/
總的來(lái)說(shuō)，F(xiàn)lowVid 展示了卓越的靈活性，可與現(xiàn)有的 I2I 模型無(wú)縫協(xié)作，完成各種修改，包括風(fēng)格化、對(duì)象交換和局部編輯。在合成效率上，生成 30 FPS、512×512 分辨率的 4 秒視頻僅需 1.5 分鐘，分別比 CoDeF、Re

原文鏈接：文生視頻下一站，Meta已經(jīng)開始視頻生視頻了

聯(lián)系作者

文章來(lái)源：機(jī)器之心
作者微信：almosthuman2014
作者簡(jiǎn)介：專業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)