AIGC動(dòng)態(tài)歡迎閱讀

原標(biāo)題：將Transformer用于擴(kuò)散模型，AI 生成視頻達(dá)到照片級(jí)真實(shí)感

關(guān)鍵字：視頻,模型,注意力,圖像,報(bào)告

文章來(lái)源：機(jī)器之心

內(nèi)容字?jǐn)?shù)：9333字

內(nèi)容摘要：機(jī)器之心報(bào)道編輯：Panda在視頻生成場(chǎng)景中，用 Transformer 做擴(kuò)散模型的去噪骨干已經(jīng)被李飛飛等研究者證明行得通。這可算得上是 Transformer 在視頻生成領(lǐng)域取得的一項(xiàng)重大成功。近日，一項(xiàng)視頻生成研究收獲了大量贊譽(yù)，甚至被一位 X 網(wǎng)友評(píng)價(jià)為「好萊塢的終結(jié)」。真的有這么好嗎？我們先看下效果：??很明顯，這些視頻不僅幾乎看不到偽影，而且還非常連貫、細(xì)節(jié)滿滿，甚至似乎就算真的在電影大片中加上幾幀，也不會(huì)明顯違和。這些視頻的作者是來(lái)自斯坦福大學(xué)、谷歌、佐治亞理工學(xué)院的研究者提出的 Window Attention Latent Transformer，即窗口注意力隱 Transformer，簡(jiǎn)稱(chēng) W.A.L.T。該方法成功地將 Transformer 架構(gòu)整合到了隱視頻擴(kuò)散模型中。斯坦福大學(xué)的李飛飛教授也是該論文的作者之一。項(xiàng)目網(wǎng)站：https://walt-video-di…

原文鏈接：點(diǎn)此閱讀原文：將Transformer用于擴(kuò)散模型，AI 生成視頻達(dá)到照片級(jí)真實(shí)感

聯(lián)系作者

文章來(lái)源：機(jī)器之心

作者微信：almosthuman2014

作者簡(jiǎn)介：專(zhuān)業(yè)的人工智能媒體和產(chǎn)業(yè)服務(wù)平臺(tái)