焰动体育直播

 

焰动体育直播

🙁焰动体育直播🙂     

焰动体育直播中新社北京4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。

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。

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。

“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。

“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)

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。

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。

🙃(撰稿:海安)

本文来自网友发表,不代表本网站观点和立场,如存在侵权问题,请与本网站联系。未经本平台授权,严禁转载!
展开
支持楼主

30人支持

阅读原文阅读 5646回复 7
举报
    全部评论
    • 默认
    • 最新
    • 楼主
    • 湖霆🙄LV5六年级
      2楼
      【展会回顾】青岛/西安两地展会,上海远梓...🤐
      12-25   来自高邮
      5回复
    • 🤑硕聚LV2大学四年级
      3楼
      【八月展会】福州工业博览会即将来袭!🤒
      12-23   来自仪征
      9回复
    • 家居创意潮流🤓LV5幼儿园
      4楼
      展会精彩回顾丨宇泰科技亮相IAIE2024青岛自...🤔
      12-23   来自兴化
      3回复
    • 思天瑞LV5大学三年级
      5楼
      华北工控MITX-6116:面向物联网平台应用的...🤕
      12-24   来自泰兴
      8回复
    • 翩然女装🤠🤡LV4大学三年级
      6楼
      格创东智FMEA管理系统,构建高效、全面、简...🤢
      12-24   来自靖江
      3回复
    • 时木LV6大学四年级
      7楼
      乘风破浪待群英!第24届食品农产品安全高峰...🤣
      12-25   来自东台
      回复
    你的热评
    游客
    发表评论
    最热圈子
    • #国联股份肥多多与山推工程机械股份有限公司...#

      小星球潮流

      9
    • #AI赋能新质生产力,思谋打造3C行业智能质检...#

      邦贝旭

      9
    • #扩产增能,再启新程 | 磐鑫自动化新厂房建...#

      庆傲

      2
    • #乘智造之势,创无限商机!亚太国际智能装备...

      果香

      1
    热点推荐

    安装应用

    随时随地关注焰动体育直播

    Sitemap