新知榜官方账号
2023-06-30 12:28:49
清华&智源研究院出品的文本生成视频模型CogVideo可以根据文本内容生成低帧视频,并通过双向注意力模型插帧生成高帧率的完整视频。这个模型是CogView2文本-图像生成模型的延伸,使用了540万个文本-视频对进行训练。CogVideo应该是当前最大的、也是首个开源的文本生成视频模型。
模型一共有90亿参数,基于预训练文本-图像模型CogView2打造,一共分为两个模块。第一部分先基于CogView2,通过文本生成几帧图像,这时候合成视频的帧率还很低;第二部分则会基于双向注意力模型对生成的几帧图像进行插帧,来生成帧率更高的完整视频。在训练上,CogVideo一共用了540万个文本-视频对。
研究人员将CogVideo在UCF-101和Kinetics-600两个人类动作视频数据集上进行了测试。整体来看,CogVideo生成的视频质量处于中等水平。但从人类偏好度来看,CogVideo生成的视频效果就比其他模型要高出不少,甚至在当前最好的几个生成模型之中,取得了最高的分数。
CogVideo的生成视频效果得到了人类评估中得分最高的成果,也为语言模型提供了一些新思路。用视频训练可能会进一步释放语言模型的潜力。因为它不仅有大量的数据,还隐含了一些用文本比较难体现的常识和逻辑。
相关工具
相关文章
推荐
用Deepseek写AI绘图提示词,像呼吸一样简单!
2025-02-19 16:12
你以为AI绘画是黑科技?其实早成了“路边摊生意”!
2025-02-19 10:15
Flux爆火,全网最全面最详细的Flux使用教程!
2025-02-18 14:19
用AI如何创作音乐,实战教学来啦!
2025-02-17 17:23
MidJourney让你秒变绘画大神,从零开始画哪吒!
2025-02-17 14:56
AI应用新境界:让人工智能成为你的得力助手
2025-02-14 15:45
AI短片革命:当创作遇上智能,人人都能成为导演
2025-02-14 14:53
AI狂潮下的人类职场:是失业危机还是进化契机?
2025-02-13 16:53
开启影视创作新纪元,效率提升 10 倍的神器来了!
2025-02-13 15:11
深度解析DeepSeek:当AI技术照进创作产业的未来
2025-02-12 17:16