李飛飛谷歌破局之作！用Transformer生成逼真視頻，下一個Pika來了？

AIGC動態(tài)歡迎閱讀

原標(biāo)題：李飛飛谷歌破局之作！用Transformer生成逼真視頻，下一個Pika來了？

關(guān)鍵字：視頻,報告,研究人員,圖像,模型

文章來源：新智元

內(nèi)容字?jǐn)?shù)：8469字

內(nèi)容摘要：新智元報道編輯：Aeneas 潤【新智元導(dǎo)讀】今天，李飛飛攜斯坦福聯(lián)袂谷歌，用Transformer生成了逼真視頻，效果媲美Gen-2比肩Pika。2023年儼然已成AI視頻元年！視頻大數(shù)據(jù)時代，真的來了！剛剛，李飛飛的斯坦福團(tuán)隊同谷歌合作，推出了用于生成逼真視頻的擴(kuò)散模型W.A.L.T。這是一個在共享潛在空間中訓(xùn)練圖像和視頻生成的，基于Transformer的擴(kuò)散模型。論文：https://walt-video-diffusion.github.io/assets/W.A.L.T.pdf英偉達(dá)高級科學(xué)家Jim Fan轉(zhuǎn)發(fā)評論道：2022年是影像之年，2023是聲波之年，而2024，是視頻之年！首先，研究人員使用因果編碼器在共享潛在空間中壓縮圖像和視頻。其次，為了提高記憶和訓(xùn)練效率，研究人員使用基于窗口注意的變壓器架構(gòu)來進(jìn)行潛在空間中的聯(lián)合空間和時間生成建模。研究人員的模型可以根據(jù)自然語言…

原文鏈接：點此閱讀原文：李飛飛谷歌破局之作！用Transformer生成逼真視頻，下一個Pika來了？

聯(lián)系作者

文章來源：新智元

作者微信：AI_era

作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時代。