谷歌最新的人工智能视频生成器可以在不可能的情况下描绘可爱的动物

[account_disabled]

人工智能视频生成器，在随附的预印本中将其称为“用于生成真实视频的时空扩散模型”。但我们不要自欺欺人了：他在制作滑旱冰、开车或弹钢琴等荒谬场景中可爱动物的视频方面做得非常出色。当然，它可以做更多的事情，但它可能是有史以来最先进的文本到动物的人工智能视频生成器。



据谷歌称，Lumiere 使用一种独特的架构一次性生成视频的整个 电话号码数据库 持续时间。或者，正如该公司所说，“我们引入了时空 U-Net 架构，可以通过模型中的一次传递一次性输出视频的整个时间持续时间。“这与合成远程数据的现有视频模型形成鲜明对比。” 关键帧之后是时间超分辨率，这种方法本质上使得全局时间一致性难以实现。”



简单来说，谷歌的技术旨在同时处理空间（事物在视频中的位置）和时间（事物在视频中如何移动和变化）的方面。因此，您可以通过一个无缝过程从头到尾创建整个视频，而不是通过将许多小部分或框架组合在一起来制作视频。





谷歌发布的文章“Lumiere：视频生成的时空扩散模型”随附的官方宣传视频。





Lumiere 还可以执行许多派对技巧，谷歌演示页面上的示例对此进行了很好的描述。例如，您可以执行文本到视频生成（将书面消息转换为视频）、将静态图像转换为视频、使用参考图像生成特定样式的视频、使用基于文本的消息应用一致的视频编辑、创建动态图片。对图像的特定区域进行动画处理并提供绘画功能中的视频（例如，您可以更改一个人所穿衣服的类型）。



在 Lumiere 研究论文中，谷歌研究人员表示，AI 模型生成了 5 秒长的 1024x1024 像素视频，他们将其描述为“低分辨率”。尽管存在这些限制，研究人员还是进行了一项用户研究，并声称 Lumiere 的结果优于现有的人工智能视频合成模型。