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

AIGC動態歡迎閱讀

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

關鍵字：視頻,報告,研究人員,圖像,模型

文章來源：新智元

內容字數：8469字

內容摘要：新智元報道編輯：Aeneas 潤【新智元導讀】今天，李飛飛攜斯坦福聯袂谷歌，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！視頻大數據時代，真的來了！剛剛，李飛飛的斯坦福團隊同谷歌合作，推出了用于生成逼真視頻的擴散模型W.A.L.T。這是一個在共享潛在空間中訓練圖像和視頻生成的，基于Transformer的擴散模型。論文：https://walt-video-diffusion.github.io/assets/W.A.L.T.pdf英偉達高級科學家Jim Fan轉發評論道：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，為了提高記憶和訓練效率，研究人員使用基于窗口注意的變壓器架構來進行潛在空間中的聯合空間和時間生成建模。研究人員的模型可以根據自然語言…

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網+邁向智能+新紀元。重點關注人工智能、機器人等前沿領域發展，關注人機融合、人工智能和機器人對人類社會與文明進化的影響，領航中國新智能時代。