Tiếp theoHướng dẫn tiếp theo
Sora và chuyển văn bản thành video
AI trực quan
HƯỚNG DẪN AI trực quan
Chuyển văn bản thành video thành video
Make-A-Video là hệ thống năm 2022 của Meta biến lời nhắc văn bản thành một đoạn video ngắn mà không cần đào tạo về các cặp văn bản-video được gắn nhãn.
Nghe hướng dẫn nàyAI thuật lại · ~2 min
Trên trang nàyĐọc trong 2 phút
Tổng quan
It matters because it showed that the visual knowledge inside text-to-image models could be 'taught' to move using only unlabeled video.
Lặn sâu
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.
Triển khai trong thế giới thực
Hoạt hình một câu mô tả duy nhất thành một clip lặp lại ngắn cho bài đăng trên mạng xã hội
Đưa khái niệm tĩnh như 'một chú gấu bông vẽ một bức chân dung' vào cuộc sống như một minh họa chuyển động
Nội suy giữa hai ảnh tĩnh do người dùng cung cấp để tạo video chuyển tiếp mượt mà
Tạo bản nháp chuyển động nhanh của các cảnh tưởng tượng để viết kịch bản phân cảnh trước khi quay phim
Tương lai của việc chuyển văn bản thành video tạo video
Công thức chuyển động hình ảnh trước cộng với không gắn nhãn của Make-A-Video đã gieo mầm cho toàn bộ làn sóng chuyển văn bản thành video. Hậu duệ của nó nhấn mạnh các clip dài hơn, độ phân giải cao hơn, ổn định về mặt thời gian với chuyển động và âm thanh của camera có thể điều khiển được. Mong đợi ý tưởng cốt lõi, tái sử dụng kiến thức hình ảnh khổng lồ và học chuyển động với chi phí thấp, sẽ tồn tại ngay cả khi các kiến trúc chuyển sang mô hình thống nhất và khuếch tán tiềm ẩn dựa trên máy biến áp cũng chấp nhận điều chỉnh hình ảnh hoặc video để chỉnh sửa và tiếp tục.
Đưa nó vào thực tế
Tại sao nó quan trọng
- Tốc độ và tỷ lệ. Visual AI có thể tự động hóa các nhiệm vụ kiểm tra, phát hiện và gắn thẻ trên quy mô lớn.
- Xây dựng lựa chọn. Các nhóm sáng tạo có thể tạo nguyên mẫu nhanh hơn với ít sửa đổi thủ công hơn.
- Nhóm và quy trình làm việc. Các hoạt động có thể sử dụng tín hiệu hình ảnh và video mà trước đây khó xử lý.
coi chừng
- Quyền và sự đồng ý về hình ảnh có thể trở thành rủi ro pháp lý nếu nguồn gốc xuất xứ không rõ ràng.
- Hiệu suất của mô hình có thể khác nhau tùy theo ánh sáng, nhân khẩu học và môi trường.
- Kết quả dương tính giả có thể không được chú ý trừ khi ngưỡng tin cậy được theo dõi.
Các bước tiếp theo
- Xác định tiêu chí chấp nhận về độ chính xác, thu hồi và chi phí lỗi.
- Kiểm tra với dữ liệu phù hợp với điều kiện sản xuất thực tế.
- Thêm đánh giá của con người đối với những dự đoán có độ tin cậy thấp hoặc tác động cao.
- Theo dõi sự trôi dạt của mô hình và xác nhận lại sau khi thay đổi máy ảnh hoặc tập dữ liệu.
Tiếp tục khám phá
Bản tin miễn phí
Nhận bản tóm tắt AI hàng ngày
Ba câu chuyện AI đã được xác minh vào mỗi buổi sáng các ngày trong tuần, được viết bằng tiếng Anh đơn giản. Miễn phí mãi mãi, không có quảng cáo.
Một email mỗi ngày trong tuần. Hủy đăng ký trong một cú nhấp chuột. Chúng tôi không bao giờ bán hoặc chia sẻ địa chỉ của bạn.
Tự kiểm tra
Take the Make-A-Video Text-to-Video quiz
Phản hồi tức thì về mọi câu trả lời và chứng chỉ có thể chia sẻ với ID có thể xác minh sau khi bạn vượt qua khóa học.
Hỗ trợ giáo dục AI miễn phí. AI Understanding là tổ chức phi lợi nhuận 501(c)(3) — không bao giờ có quảng cáo, không có tường phí. Hãy quyên góp
Câu hỏi thường gặp
What is Make-A-Video Text-to-Video?
Make-A-Video là hệ thống năm 2022 của Meta biến lời nhắc văn bản thành một đoạn video ngắn mà không cần đào tạo về các cặp văn bản-video được gắn nhãn. Nó quan trọng vì nó cho thấy rằng kiến thức trực quan bên trong các mô hình chuyển văn bản thành hình ảnh có thể được 'dạy' cách di chuyển chỉ bằng cách sử dụng video không được gắn nhãn.
Đổi mới trọng tâm giúp Make-A-Video tránh cần phải gắn nhãn các cặp văn bản-video là gì?
Make-A-Video giải quyết vấn đề: mô hình chuyển văn bản thành hình ảnh tìm hiểu mọi thứ trông như thế nào từ các hình ảnh có chú thích, trong khi các lớp thời gian riêng biệt học chuyển động từ video thô, không gắn nhãn.
Make-A-Video bổ sung khả năng chuyển động cho mô hình hình ảnh như thế nào?
Nó mở rộng các cấu trúc không gian 2D và sự chú ý với các lớp thời gian mới tìm hiểu cách nội dung thay đổi theo thời gian.
Giai đoạn nội suy khung và siêu phân giải làm gì?
Sau bản nháp thô có độ phân giải thấp, tốc độ khung hình thấp, phép nội suy sẽ thêm khung và mô-đun siêu phân giải sẽ tăng độ phân giải.
Hạn chế điển hình của đầu ra của Make-A-Video là gì?
Các clip chỉ dài vài giây, độ phân giải tương đối thấp và dễ bị nhấp nháy và biến dạng theo thời gian.
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.
Tiếp tục học hỏi
Hướng dẫn liên quan
Đã chọn thêm hướng dẫn cho chủ đề này