دليل الذكاء الاصطناعي المرئي

تحويل النص إلى فيديو من فيديو

Make-A-Video هو نظام Meta لعام 2022 الذي يحول المطالبة النصية إلى مقطع فيديو قصير دون التدريب على أزواج نصية وفيديو مصنفة.

استمع إلى هذا الدليلرواه الذكاء الاصطناعي · ~2 min

في هذه الصفحةقراءة لمدة دقيقتين
  1. نظرة عامة
  2. الغوص العميق
  3. التنفيذ في العالم الحقيقي
  4. مستقبل تحويل النص إلى فيديو من خلال برنامج Make-A-Video
  5. وضعها موضع التنفيذ
  6. استمر في الاستكشاف
  7. الأسئلة المتداولة

نظرة عامة

It matters because it showed that the visual knowledge inside text-to-image models could be 'taught' to move using only unlabeled video.

الغوص العميق

Make-A-Video, announced by Meta AI in September 2022, generates brief video clips from text prompts. Its key trick is decoupling appearance from motion: a text-to-image model learns what things look like from paired text-image data, while separate spatiotemporal layers learn how they move from video footage with no associated text. Meta said this reduced the need for paired text-video examples and that the research used publicly available datasets. Meta also described making videos from images and creating new videos similar to existing videos. The base model produces low-resolution, low-frame-rate clips, then dedicated networks interpolate extra frames and upscale spatial resolution. The result was strikingly coherent for its era, though clips were short, blurry, and prone to flicker and warping.

التنفيذ في العالم الحقيقي

تحريك جملة وصفية واحدة في مقطع متكرر قصير لمنشور على وسائل التواصل الاجتماعي

إضفاء الحيوية على مفهوم ثابت مثل "دبدوب يرسم صورة شخصية" كرسم توضيحي متحرك

الاستيفاء بين صورتين ثابتتين يقدمهما المستخدم لإنشاء فيديو انتقالي سلس

إنشاء مسودات سريعة الحركة لمشاهد متخيلة للقصص المصورة قبل أي تصوير

مستقبل تحويل النص إلى فيديو من خلال برنامج Make-A-Video

لقد نجحت وصفة Make-A-Video للصورة السابقة بالإضافة إلى الحركة غير المسماة في زرع موجة تحويل النص إلى فيديو بأكملها. يؤكد أحفادها على مقاطع أطول وأكثر دقة ومستقرة مؤقتًا مع حركة الكاميرا والصوت التي يمكن التحكم فيها. نتوقع أن تستمر الفكرة الأساسية، المتمثلة في إعادة استخدام المعرفة الهائلة بالصور وتعلم الحركة بتكلفة زهيدة، حتى مع تحول البنيات نحو الانتشار الكامن القائم على المحولات والنماذج الموحدة التي تقبل أيضًا تكييف الصورة أو الفيديو للتحرير والاستمرار.

وضعها موضع التنفيذ

لماذا يهم

  • السرعة والحجم. يمكن للذكاء الاصطناعي المرئي أتمتة مهام الفحص والكشف ووضع العلامات على نطاق واسع.
  • خيارات البناء. يمكن للفرق الإبداعية إنشاء نماذج أولية للمفاهيم بشكل أسرع مع عدد أقل من المراجعات اليدوية.
  • الفريق وسير العمل. يمكن أن تستخدم العمليات إشارات الصور والفيديو التي كان من الصعب معالجتها في السابق.

احترس من

  • يمكن أن تصبح حقوق الصور والموافقة مخاطر قانونية إذا كان المصدر غير واضح.
  • يمكن أن يختلف أداء النموذج عبر الإضاءة والتركيبة السكانية والبيئات.
  • قد تمر الإيجابيات الكاذبة دون أن يلاحظها أحد ما لم تتم مراقبة عتبات الثقة.

الخطوات التالية

  1. تحديد معايير القبول لتكاليف الدقة والاستدعاء والخطأ.
  2. اختبار مع البيانات التي تتوافق مع ظروف الإنتاج الحقيقية.
  3. أضف مراجعة بشرية للتنبؤات منخفضة الثقة أو عالية التأثير.
  4. تتبع انحراف النموذج وإعادة التحقق من صحته بعد تغيير الكاميرا أو مجموعة البيانات.

استمر في الاستكشاف

رسالة إخبارية مجانية

احصل على الإحاطة اليومية لمنظمة العفو الدولية

ثلاث قصص تم التحقق منها بواسطة الذكاء الاصطناعي كل صباح من أيام الأسبوع، مكتوبة باللغة الإنجليزية البسيطة. مجاني للأبد، بدون إعلانات.

بريد إلكتروني واحد كل يوم من أيام الأسبوع. إلغاء الاشتراك بنقرة واحدة. نحن لا نبيع أو نشارك عنوانك أبدًا.

اختبر نفسك

Take the Make-A-Video Text-to-Video quiz

تعليقات فورية على كل إجابة، وشهادة قابلة للمشاركة مع معرف يمكن التحقق منه بمجرد اجتياز الدورة التدريبية.

ابدأ الاختبار

دعم تعليم الذكاء الاصطناعي المجاني. AI Understanding هي منظمة 501(c)(3) غير ربحية - لا إعلانات ولا نظام حظر الاشتراك غير المدفوع على الإطلاق. قم بالتبرع

الأسئلة المتداولة

What is Make-A-Video Text-to-Video?

Make-A-Video هو نظام Meta لعام 2022 الذي يحول المطالبة النصية إلى مقطع فيديو قصير دون التدريب على أزواج نصية وفيديو مصنفة. إنه مهم لأنه أظهر أن المعرفة المرئية داخل نماذج تحويل النص إلى صورة يمكن "تعليمها" للتحرك باستخدام الفيديو غير المسمى فقط.

ما هو الابتكار المركزي الذي سمح لـ Make-A-Video بتجنب الحاجة إلى أزواج نصية وفيديو مصنفة؟

يقوم برنامج Make-A-Video بفصل المشكلة: يتعلم نموذج تحويل النص إلى صورة كيف تبدو الأشياء من الصور الموضحة، بينما تتعلم الطبقات الزمنية المنفصلة الحركة من الفيديو الخام غير المسمى.

كيف يضيف Make-A-Video إمكانية الحركة إلى نموذج الصورة؟

إنه يوسع التلافيف المكانية ثنائية الأبعاد والاهتمام بطبقات زمنية جديدة تتعلم كيف يتغير المحتوى بمرور الوقت.

ماذا تفعل مراحل استيفاء الإطار والدقة الفائقة؟

بعد مسودة خشنة منخفضة الدقة ومعدل إطارات منخفض، يضيف الاستيفاء إطارات ووحدات فائقة الدقة ترفع الدقة.

ما هو القيد النموذجي لمخرجات Make-A-Video؟

كانت مدة المقاطع بضع ثوانٍ فقط، ودقة منخفضة نسبيًا، وعرضة للوميض الزمني والتشويه.

Besides text prompts, what visual input can Make-A-Video use to create a video?

Meta said Make-A-Video can create videos from images as well as text prompts.