爆火Sora參數規模僅30億？謝賽寧等大佬技術分析來了

AIGC動態歡迎閱讀

原標題：爆火Sora參數規模僅30億？謝賽寧等大佬技術分析來了
關鍵字：報告,視頻,商標,字節跳動,模型
文章來源：量子位
內容字數：6666字

內容摘要：

明敏 豐色 發自 凹非寺量子位 | 公眾號 QbitAI就說Sora有多火吧。
生成的視頻上線一個、瘋傳一個。
作者小哥新上傳的效果，很快引來圍觀。
失敗案例都讓人看得上癮。
將近1萬人點贊。
學術圈更炸開鍋了，各路大佬紛紛開麥。
紐約大學助理教授謝賽寧（ResNeXt的一作）直言，Sora將改寫整個視頻生成領域。
英偉達高級研究科學家Jim Fan高呼，這就是視頻生成的GPT-3時刻啊！
尤其在技術報告發布后，討論變得更加有趣。因為其中諸多細節不是十分明確，所以大佬們也只能猜測。
包括“Sora是一個數據驅動的物理引擎”、“Sora建立在DiT模型之上、參數可能僅30億”等等。
所以，Sora為啥能如此驚艷？它對視頻生成領域的意義是？這不，很快就有了一些可能的答案。
視頻生成的GPT-3時刻總的來說，Sora是一個在不同時長、分辨率和寬高比的視頻及圖像上訓練而成的擴散模型，同時采用了Transformer架構，也就是一種“擴散型Transformer”。
關于技術細節，官方報告簡單提了以下6點：
一是視覺數據的“創新轉化”。
與大語言模型中的token不同，Sora采用的是“Patc

原文鏈接：爆火Sora參數規模僅30億？謝賽寧等大佬技術分析來了

聯系作者

文章來源：量子位
作者微信：QbitAI
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破