DALL-E 2 和 Stable Diffusion 等人工智能文本转图像生成器今年取得了巨大的成功。在 Twitter 上浏览时,几乎不可能不看到一些根据(通常很荒谬的)书面提示生成的图像。不过,研究人员已经开始研究下一代生成器:文本转视频。 在本周发表的一篇论文中,Meta AI 的研究人员展示了一款名为 Make-A-Video 的文本转视频生成器。它接受“一只泰迪熊画肖像”或“一只穿着超级英雄服装、披着红色斗篷飞过天空的狗”等书面提示,然后返回一段简短的视频片段,描述机器学习模型重现该场景的最佳尝试。这些视频显然是人造的,但同样令人印象深刻。 除了书面提示外,Make-A-Video 还可以根据其他视频或图像制作视频。它可以为静态图像添加动作,并创建链接两幅图像的视频。 目前,Make-A-Video 的无声片段由 16 帧组成,输出分辨率为 64 x 64 像素,然后使用另一个 AI 模型将其放大到 768 x 768 像素。它们只有五秒钟长,只描述了一个动作或场景。虽然我们距离让 AI 从头开始制作一部故事片还有很长的路要走(尽管 AI 以前曾写过剧本,甚至导演过电影),但 Meta 的研究人员打算在未来的研究中努力克服其中的一些技术限制。 与最好的文本转图像生成器一样,Make-A-Video 使用一种称为“扩散”的技术。它从随机生成的噪声开始,然后逐步调整以更接近目标提示。结果的准确性在很大程度上取决于训练数据的质量。 根据宣布该功能的博客文章,Make-A-Video 的 AI 学会了“从成对的文本图像数据中了解世界是什么样子,以及从没有相关文本的视频片段中了解世界是如何移动的”。它接受了来自 LAOIN-5B 数据库的超过 23 亿个文本图像对以及来自 WebVid-10M 和 HD-VILA-100M 数据库的数百万个视频的训练。 Meta 声称,静态图像与配对文本足以训练文本转视频模型,因为可以从图像中推断出运动、动作和事件,例如一位女士在喝咖啡或一头大象在踢足球。同样,即使没有任何文字描述,“无监督视频也足以了解世界上不同实体如何移动和互动。” Make-A-Video 的结果表明他们是正确的。 研究人员表示,他们已经尽其所能控制训练数据的质量,过滤掉 LAOIN-5B 数据集中所有包含 NSFW 内容或有毒词汇的文本-图像对,他们承认,就像“所有使用网络数据训练的大型模型一样,[他们的]模型已经学会并可能夸大社会偏见,包括有害偏见。” 防止人工智能创造种族主义、性别歧视和其他冒犯性、不准确或危险的内容是该领域面临的最大挑战之一。 目前,Make-A-Video 仅供 Meta 的研究人员使用(尽管您可以在此处注册以获取访问权限)。尽管该团队展示的视频令人印象深刻,但我们必须承认,这些视频可能是为了以最佳方式展示算法而选择的。不过,很难不承认人工智能图像生成已经取得了多大的进展。就在几年前,DALL-E 的结果还只是有点意思——现在它们已经是照片级的了。 文字转视频对于 AI 来说无疑更具挑战性,因为要想做到准确无误,难度无疑更大。正如马克·扎克伯格在 Facebook 帖子中所说:“生成视频比生成照片困难得多,因为除了正确生成每个像素之外,系统还必须预测它们会如何随时间变化。”这些视频具有抽象、不自然、不稳定的特质,描绘的动作并不那么自然。 尽管质量较低,扎克伯格仍称该工具“取得了相当惊人的进步”。 |
《和妈妈一起玩吧!》的号召与评价- 儿童动画的新可能性“和妈妈一起玩吧!”是一部儿童动画系列,于2...
ToHeart2 adnext 短篇小说 - 超越情感,爱香和贵晶的心灵之旅《ToHeart2 ad...
《土豆君》——温暖又治愈的世界《Jaganu-kun》是一部电视动画系列,于 2004 年 4 月 ...
Tropical-Rouge的号召与评价!光之治愈者《Tropical-Rouge!光之美少女》是光...
我们所有人都是从婴儿开始的。然而,在从婴儿到成人的过程中,很多事情都会发生变化!以下是关于我们生命第...
这个故事最初刊登在《Field & Stream》上。我的丘鹬季节现在就开始了。大地一片死寂...
Python 连续五年成为最受欢迎的编程语言,排名超过 C 语言(C、C++、C#)以及 Java、...
据加拿大的一份报告称,排泄物较少的转基因猪可能会在被屠宰供人类食用之前被安乐死。目前饲养的环保猪群消...
当我们想到生物多样性时,我们的脑海中通常会浮现出色彩缤纷的植物和树木、色彩鲜艳的两栖动物、爬行动物和...
巨型机器人动画赤脚银灵<第 1 集>寻找被盗的战斗瓷器!! 1994年2月21日发售的O...
任何游戏机都有其独特的特点。无论您是在索尼 PlayStation 4、微软 Xbox One、任天...
自从苹果、迪士尼和其他流媒体市场的新人加入 Netflix、亚马逊 Prime 和 Hulu 等老牌...
您不必远离家乡就能游览到令人惊叹的地方。每个州,无论多小,都拥有您可能从未费心去看的自然和技术奇迹—...
如今,流媒体服务的数量之多意味着可供观看的内容更多,观看的地方更多,而且可以改善您的观看体验的工具和...
Windows Copilot 是新的 ChatGPT、Siri、MetaAI 等。忘掉所有其他 ...