LegközelebbKövetkező útmutató
Képről videóra generálás
Vizuális AI
Vizuális MI ÚTMUTATÓ
A Lumiere egy 2024-es Google Research szövegből videót generáló diffúziós modell, amely Téridő U-Netet (Space-Time U-Net) használ egy videó időbeli hosszának egyetlen modellmenetben történő generálásához.
Hallgassa meg ezt az útmutatótAI-narrált · ~2 min
Its design addresses a consistency challenge in keyframe-based pipelines; it does not guarantee that every generated clip has coherent or physically accurate motion.
The Lumiere paper introduces a Space-Time U-Net (STUNet) that generates the full temporal duration of a video in one pass through the model, unlike pipelines that generate sparse keyframes and then apply temporal super-resolution. STUNet downsamples and upsamples in both space and time and uses a pretrained text-to-image diffusion model. The paper reports text-to-video generation and editing tasks including image-to-video, video inpainting, stylized generation, and cinemagraphs. These are research demonstrations, not an indication that a public product or model checkpoint is available.
Egy szöveges prompt közvetlenül összefüggő, néhány másodperces mozgó klipvé alakítása
Filmfelvételek készítése, amelyek csak a vizet vagy a hajat animálják egy egyébként állóképen
Stilizált megjelenés, például papírforma vagy akvarell alkalmazása következetesen a generált videón
Videófestés mozgó tárgy beillesztéséhez vagy eltávolításához, miközben a mozgás zökkenőmentes marad
Lumiere contributed a space-time approach to video diffusion research. Later work continues to balance temporal extent, resolution, compute, and controls. Comparisons should account for each model’s generation pipeline, evaluation conditions, and whether its research artifacts are publicly available.
Ingyenes hírlevél
Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.
Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.
Teszteld magad
Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.
Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt
Lumiere is a 2024 Google Research text-to-video diffusion model that uses a Space-Time U-Net to generate a video’s temporal duration in a single model pass. Its design addresses a consistency challenge in keyframe-based pipelines; it does not guarantee that every generated clip has coherent or physically accurate motion.
A Lumiere Space-Time U-Net (STUNet) lemintázza mind a térben, mind az időben, hogy egy menetben generálja a teljes időbeli időtartamot.
Lumiere’s paper describes generating the full temporal duration in one pass; this is designed to address consistency challenges in keyframe-and-interpolation pipelines, not guarantee perfect coherence.
The paper motivates full-duration generation as a way to address global temporal-consistency difficulties in pipelines that synthesize distant keyframes and then upsample in time.
A STUNet együtt mintavételez a térben és az időben, tömöríti a klipet, így a teljes videó illeszkedik, és a képkockákat közösen dolgozzák fel.
A Lumiere képes filmfelvételeket készíteni, animálva egy egyébként statikus kép kiválasztott részét.
Tanulj tovább
További útmutatók készültek ehhez a témához
LegközelebbKövetkező útmutató
Képről videóra generálás
Vizuális AI