AIGC動態歡迎閱讀

原標題：無需文本標注，TF-T2V把AI量產視頻的成本打下來了！華科阿里等聯合打造
關鍵字：視頻,數據,時序,文本,分支
文章來源：機器之心
內容字數：3210字

內容摘要：

機器之心專欄
機器之心編輯部在過去短短兩年內，隨著諸如LAION-5B 等大規模圖文數據集的開放，Stable Diffusion、DALL-E 2、ControlNet、Composer ，效果驚人的圖片生成方法層出不窮。圖片生成領域可謂狂飆突進。
然而，與圖片生成相比，視頻生成仍存在巨大挑戰。首先，視頻生成需要處理更高維度的數據，考慮額外時間維度帶來的時序建模問題，因此需要更多的視頻 – 文本對數據來驅動時序動態的學習。然而，對視頻進行準確的時序標注非常昂貴。這限制了視頻 – 文本數據集的規模，如現有 WebVid10M 視頻數據集包含 10.7M 視頻 – 文本對，與 LAION-5B 圖片數據集在數據規模上相差甚遠，嚴重制約了視頻生成模型規模化的擴展。
為解決上述問題，華中科技大學、阿里巴巴集團、浙江大學和螞蟻集團聯合研究團隊于近期發布了 TF-T2V 視頻方案：論文地址：https://arxiv.org/abs/2312.15770
項目主頁：https://tf-t2v.github.io/
即將開源代碼地址：https://github.com/ali-vilab/i2

原文鏈接：無需文本標注，TF-T2V把AI量產視頻的成本打下來了！華科阿里等聯合打造

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