“值得一提的是,Vidu采用的是‘一步到位’的生成方式。”朱军表示,与Sora一样,文本到视频的转换是直接且连续的,在底层算法实现上是基于单一模型完全端到端生成,不涉及中间的插帧和其他多步骤的处理。
自今年2月Sora发布推出后,团队基于对U-ViT架构的深入理解以及长期积累的工程与数据经验,在短短两个月进一步突破长视频表示与处理关键技术,研发推出Vidu视频大模型,显著提升视频的连贯性与动态性。
据介绍,Vidu不仅能够模拟真实物理世界,还拥有丰富想象力,具备多镜头生成、时空一致性高等特点。Vidu是自Sora发布之后全球率先取得重大突破的视频大模型,性能全面对标国际顶尖水平,并在加速迭代提升中。
朱军表示,Vidu的快速突破源自于团队在贝叶斯机器学习和多模态大模型的长期积累和多项原创性成果。其核心技术U-ViT架构由团队于2022年9月提出,早于Sora采用的DiT架构,是全球首个Diffusion与Transformer融合的架构,完全由团队自主研发。
在当天的论坛上,清华大学教授、生数科技首席科学家朱军表示,与Sora一致,Vidu能够根据提供的文本描述直接生成长达16秒的高质量视频。除了在时长方面的突破外,Vidu在视频效果方面实现显著提升,主要体现在模拟真实物理世界、多镜头语言、时空一致性高、理解中国元素等方面。
该模型采用团队原创的Diffusion与Transformer融合的架构U-ViT,支持一键生成长达16秒、分辨率高达1080P的高清视频内容。
火狐电竞靠谱中新社北京4月27日电(记者 陈溯)在2024中关村论坛年会未来人工智能先锋论坛上,清华大学联合生数科技27日正式发布中国首个长时长、高一致性、高动态性视频大模型——Vidu。
“Vidu的命名不仅谐音‘Vedio’,也蕴含‘We do’的寓意。”朱军表示,模型的突破是一个多维度、跨领域的综合性过程,需要技术与产业应用的深度融合,希望与产业链上下游企业、研究机构加强合作,共同推动视频大模型进展。(完)
网友评论更多
76孝感l
杭州地理面积不小,为什么不多搞一些交通建设,把人口全部均匀铺开?⚮⚯
2024-10-30 00:25:09 推荐
187****6570 回复 184****2760:对方已经具备成熟的爱人能力,而自己还未成熟,担心拖累对方,这种情况可以尝试进入亲密关系吗?⚰来自黄冈
187****8872 回复 184****4227:曝华为 Mate70 系列性能将重回第一梯队,如何评价此款手机?⚱来自鄂州
157****5391:按最下面的历史版本⚲⚳来自黄石
12咸宁431
马斯克每月「捐 4500 万美元」支持特朗普,这释放出什么信号?对美国大选有何影响?⚴⚵
2024-10-28 04:15:15 推荐
永久VIP:给领导汇报工作有什么技巧吗?比如有什么职场模型、结构、书,可以让汇报更加高效?⚶来自荆州
158****5260:信号与系统里面的采样处理,为什么要用冲激函数,而不是直接在采样点上乘 1?⚷来自宜昌
158****3845 回复 666⚸:如何评价《海贼王》漫画第 1120 话情报?⚹来自随州
26丹江口tu
你们觉得《歌手 2024》 谁会夺冠?⚺⚻
2024-10-30 05:03:12 不推荐
老河口uk:有哪些「很低调、夜宵食物又很丰富」的小众夜宵之城?⚼
186****6156 回复 159****5436:最近你学到或悟到了什么?⚽