Il prossimoProssima guida
Modifica delle istruzioni InstructPix2Pix
IA visiva
GUIDA AI visiva
Il documento di CogVideo del 2022 descrive un grande modello autoregressivo testo-vedi con addestramento gerarchico a più frequenze di frame.
Ascolta questa guidaNarrato dall'IA · ~2 min
Il documento di CogVideoX del 2024 descrive un transformer di diffusione che elabora latenti video compressi. I progetti, i checkpoint, i compiti e le licenze sono specifici per versione.
Il documento di CogVideo del 2022 presenta un transformer a 9B parametri per testo-vedi, inizializzato da un modello testo-immagine preaddestrato e addestrato con una strategia gerarchica a più frequenze di frame. CogVideoX è un sistema successivo distinto: il suo documento utilizza un VAE 3D per comprimere il video lungo spazio e tempo, poi un transformer di diffusione con un Expert Transformer e LayerNorm adattivo per la fusione testo-vedi. Il documento di CogVideoX riporta risultati per impostazioni e checkpoint nominati. Il repository del progetto documenta funzionalità image-to-video e termini di modello specifici per rilascio. Il codice o i pesi pubblici non implicano permessi identici tra le versioni o uso commerciale illimitato.
Risultato del documento: CogVideo utilizza l'addestramento gerarchico a più frequenze di frame per la generazione testo-vedi.
Architettura del documento: CogVideoX comprime il video lungo dimensioni spaziali e temporali con un VAE causale 3D.
Architettura del documento: CogVideoX fonde le rappresentazioni di testo e video in un Expert Transformer con normalizzazione adattiva.
Modalità documentata nel repository: il progetto CogVideo documenta immagine‑a‑video accanto a testo‑a‑video; verifica il supporto e i termini per il checkpoint scelto.
Confronta i checkpoint di generazione video sul set di prompt target, movimento, durata, risoluzione, budget di calcolo e necessità di licenza. Riporta la versione e le impostazioni esatte; un risultato per una release del modello non stabilisce le prestazioni o i diritti per un'altra.
Newsletter gratuita
Tre storie verificate sull'IA ogni mattina nei giorni feriali, scritte in un inglese semplice. Gratuito per sempre, senza pubblicità.
Un'email ogni giorno feriale. Disiscriviti con un clic. Non vendiamo né condividiamo mai il tuo indirizzo.
Mettiti alla prova
Feedback immediato su ogni risposta e un certificato condivisibile con un ID verificabile una volta superato un corso.
Sostieni l'istruzione gratuita sull'IA. AI Understanding è un'organizzazione non profit 501(c)(3) — nessun annuncio, nessun paywall, mai. Fai una donazione
Il paper del 2022 di CogVideo descrive un grande modello autoregressivo testo‑a‑video con addestramento gerarchico a più frequenze di fotogrammi. Il paper del 2024 di CogVideoX descrive un diffusion transformer che elabora latenti video compressi. I progetti, i checkpoint, i compiti e le licenze sono specifici per ogni versione.
Il paper di CogVideo ha introdotto un modello testo‑a‑video su larga scala e ha descritto un approccio autoregressivo a più frequenze di fotogrammi. Le affermazioni di 'primo' dipendono da come si definiscono la scala del modello e il rilascio.
Il VAE causale 3D comprime il video nelle dimensioni sia spaziali che temporali, riducendo il numero di token in modo che un trasformatore possa modellarlo in modo efficiente.
Expert Transformer fonde testo e token visivi insieme alla normalizzazione adattiva, migliorando l'allineamento tra il prompt e il video generato.
La famiglia CogVideo proviene da ricercatori associati alla Tsinghua University e Zhipu AI.
Il repository CogVideo documenta l'image-to-video. Il supporto è specifico per checkpoint; i materiali citati non stabiliscono la continuazione video per ogni rilascio.
Continua a imparare
Altre guide selezionate per questo argomento
Il prossimoProssima guida
Modifica delle istruzioni InstructPix2Pix
IA visiva