Video Yayılım Modelleri
Video yayılma modelleri, rastgele gürültüyü yavaş yavaş tutarlı çerçevelere dönüştürerek hareketli görüntüler üretir ve yayılma fikrini resimlerden zamana kadar genişletir.
Genel Bakış
They are the engine behind today's most realistic AI video.
Derin Dalış
Difüzyon modelleri, gürültü oluşturma sürecini tersine çevirmeyi öğrenir: Eğitim sırasında, temiz verilere aşamalı olarak gürültü eklenir ve ağ, bu gürültüyü adım adım tahmin etmeyi ve gidermeyi öğrenir. Video yayılımı bunu kare dizilerine uygular ve zamansal modellemenin önemli bir şekilde eklenmesiyle hareketin düzgün kalması ve nesnelerin zaman içinde tutarlı kalması sağlanır. Hesaplamayı izlenebilir kılmak için çoğu sistem, ham pikseller yerine sıkıştırılmış bir gizli alanda çalışan gizli yayılma modelleridir. Mimariler, mekansal ve zamansal dikkat içeren 3D U-Net'lerden, videoyu uzay-zaman belirteçleri olarak ele alan difüzyon transformatörlerine (DiT'ler) kadar çeşitlilik gösterir. Bu aile Sora, Stable Video Diffusion, Runway Gen-3, Google Veo ve Pika'yı destekler ve metinden videoya, görüntüden videoya ve video düzenlemeyi destekler.
Teknik Bilgi
İşin püf noktası, zamansal dikkat veya 3 boyutlu kıvrımlar gibi zamansal katmanlar eklemektir, böylece kareler bağımsız olarak değil, ortaklaşa ayrıştırılır, bu da titremeyi ve tutarsız hareketi önler. Generation, metin istemini güçlü bir şekilde takip etmek için sınıflandırıcısız rehberlik kullanır ve öğrenilmiş bir VAE kodlayıcı/kod çözücü, pikseller ve gizli alan arasında hareket eder. Gürültü giderme adımlarının çoğunun örneklenmesi yavaş olduğundan, gereken adım sayısını azaltmak için damıtma ve daha hızlı çözücüler kullanılır.
Stratejik Etki
Speed and scale
Visual AI, inceleme, algılama ve etiketleme görevlerini geniş ölçekte otomatikleştirebilir.
Build choices
Yaratıcı ekipler, daha az manuel revizyonla konseptleri daha hızlı prototipleyebilir.
Ekip ve iş akışı
Operasyonlar, daha önce işlenmesi zor olan görüntü ve video sinyallerini kullanabilir.
Video Yayılım Modellerinin Geleceği
Araştırmalar, senkronize ses ve çok daha iyi fiziksel gerçekçilik ile daha uzun, daha yüksek çözünürlüklü, gerçek zamanlı nesile doğru hızla ilerliyor. Veri ve bilgi işlemle temiz bir şekilde ölçeklenen difüzyon transformatörleri baskın tasarım haline geliyor ve birkaç adımlı damıtılmış modeller, üretimi önemli ölçüde hızlandırıyor. Kamera, karakterler ve düzenlemeler üzerinde daha sıkı kontrol edilebilirliğin yanı sıra, diğer üretken yöntemlerle yayılımı harmanlayan hibrit yaklaşımlar bekleyebilirsiniz. Kalite arttıkça, kötüye kullanımı yönetmek için güçlü filigranlama ve içerik kaynağı standartları gerekli olacaktır.
Gerçek Dünya Uygulaması
İçerik oluşturucular için Stable Video Diffusion, Runway Gen-3 ve Pika gibi metinden videoya dönüştürme araçlarına destek
Tek bir fotoğrafa gerçekçi hareketlerle hayat veren resimden videoya animasyon
Profesyonel post prodüksiyon iş akışlarında yapay zeka destekli video düzenleme, iç boyama ve stil aktarımı
Robotik ve otonom araç araştırmaları için sentetik eğitim görüntüleri ve simülasyonlar oluşturma
Riskler ve Korkuluklar
Kaynağın belirsiz olması durumunda görüntü hakları ve rıza yasal risk haline gelebilir.
Model performansı aydınlatma, demografik özellikler ve ortamlara göre değişiklik gösterebilir.
Güven eşikleri izlenmediği sürece yanlış pozitifler fark edilmeyebilir.
Uygulama Yol Haritası
Kesinlik, geri çağırma ve hata maliyetlerine ilişkin kabul kriterlerini tanımlayın.
Gerçek üretim koşullarıyla eşleşen verilerle test edin.
Düşük güvenirliğe sahip veya yüksek etkili tahminler için gerçek kişi tarafından yapılan incelemeyi ekleyin.
Model kaymasını izleyin ve kamera veya veri kümesi değişikliklerinden sonra yeniden doğrulayın.
Keşfetmeye Devam Edin
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Video Diffusion Models quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Next guide
GLIDE Difüzyon Modeli
Sık sorulan sorular
What is Video Diffusion Models?
Video yayılma modelleri, rastgele gürültüyü yavaş yavaş tutarlı çerçevelere dönüştürerek hareketli görüntüler üretir ve yayılma fikrini resimlerden zamana kadar genişletir. Bunlar günümüzün en gerçekçi yapay zeka videosunun arkasındaki motordur.
Bir yayılma modelinin arkasındaki temel fikir nedir?
Yayılma modelleri, verilere aşamalı olarak eklenen gürültüyü ortadan kaldırmak ve ardından saf gürültüden gürültüyü gidererek oluşturmak üzere eğitilir.
Video yayılım modelleri, görüntü yayılım modellerine kıyasla ne katıyor?
Video yayılımı, her bir kareyi oluşturmanın ötesinde, kareleri zaman içinde koordine etmeli ve hareketi tutarlı tutmak için zamansal katmanlara ihtiyaç duymalıdır.
Çoğu video dağıtım modeli neden 'gizli' bir alanda çalışıyor?
Ham video muazzamdır; bunu bir VAE aracılığıyla daha küçük bir gizli alana kodlamak, gürültü gidermeyi çok daha verimli hale getirir.
Bu modellerde zamansal dikkatin veya 3 boyutlu kıvrımların rolü nedir?
Zamansal katmanlar, bilgileri kareler arasında birbirine bağlayarak titremeyi önler ve bağımsız, titrek kareler yerine tutarlı hareket üretir.
Hangi teknik, bir video dağıtım modelinin bir metin istemini güçlü bir şekilde takip etmesine yardımcı olur?
Sınıflandırıcı içermeyen rehberlik, gürültü giderme sürecini koşullandırma istemine doğru daha güçlü bir şekilde yönlendirerek hızlı uyumu artırır.