Sora之后，OpenAI Lilian Weng親自撰文教你從頭設計視頻生成擴散模型

AIGC動態歡迎閱讀

原標題：Sora之后，OpenAI Lilian Weng親自撰文教你從頭設計視頻生成擴散模型
關鍵字：視頻,模型,時間,卷積,注意力
文章來源：機器之心
內容字數：16393字

內容摘要：

選自Lil’Log
作者：Lilian Weng
機器之心編譯
編輯：Panda過去幾年來，擴散模型強大的圖像合成能力已經得到充分證明。研究社區現在正在攻克一個更困難的任務：視頻生成。近日，OpenAI 安全系統（Safety Systems）負責人 Lilian Weng 寫了一篇關于視頻生成的擴散模型的博客。Lilian Weng
機器之心對這篇博客進行了不改變原意的編譯、整理，以下是博客原文：
視頻生成任務本身是圖像合成的超集，因為圖像就是單幀視頻。視頻合成的難度要大得多，原因是：
1. 視頻合成還需要不同幀之間保持時間一致性，很自然，這需要將更多世界知識編碼到模型之中。
2. 相比于文本或圖像，收集大量高質量、高維度的視頻數據要更為困難，更罔論配對的文本 – 視頻數據了。
如果你想了解擴散模型在圖像生成方面的應用，可參讀本文作者 Lilian Weng 之前發布的博文《What are Diffusion Models?》鏈接：https://lilianweng.github.io/posts/2021-07-11-diffusion-models/
從頭建模視頻生成
首先，

原文鏈接：Sora之后，OpenAI Lilian Weng親自撰文教你從頭設計視頻生成擴散模型

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