“Vidu的命名不仅谐音‘Vedio’,也蕴含‘We do’的寓意。”朱军表示,模型的突破是一个多维度、跨领域的综合性过程,需要技术与产业应用的深度融合,希望与产业链上下游企业、研究机构加强合作,共同推动视频大模型进展。(完)
该模型采用团队原创的Diffusion与Transformer融合的架构U-ViT,支持一键生成长达16秒、分辨率高达1080P的高清视频内容。
据介绍,Vidu不仅能够模拟真实物理世界,还拥有丰富想象力,具备多镜头生成、时空一致性高等特点。Vidu是自Sora发布之后全球率先取得重大突破的视频大模型,性能全面对标国际顶尖水平,并在加速迭代提升中。
自今年2月Sora发布推出后,团队基于对U-ViT架构的深入理解以及长期积累的工程与数据经验,在短短两个月进一步突破长视频表示与处理关键技术,研发推出Vidu视频大模型,显著提升视频的连贯性与动态性。
体育新闻网易体育中新社北京4月27日电(记者 陈溯)在2024中关村论坛年会未来人工智能先锋论坛上,清华大学联合生数科技27日正式发布中国首个长时长、高一致性、高动态性视频大模型——Vidu。
“值得一提的是,Vidu采用的是‘一步到位’的生成方式。”朱军表示,与Sora一样,文本到视频的转换是直接且连续的,在底层算法实现上是基于单一模型完全端到端生成,不涉及中间的插帧和其他多步骤的处理。
在当天的论坛上,清华大学教授、生数科技首席科学家朱军表示,与Sora一致,Vidu能够根据提供的文本描述直接生成长达16秒的高质量视频。除了在时长方面的突破外,Vidu在视频效果方面实现显著提升,主要体现在模拟真实物理世界、多镜头语言、时空一致性高、理解中国元素等方面。
朱军表示,Vidu的快速突破源自于团队在贝叶斯机器学习和多模态大模型的长期积累和多项原创性成果。其核心技术U-ViT架构由团队于2022年9月提出,早于Sora采用的DiT架构,是全球首个Diffusion与Transformer融合的架构,完全由团队自主研发。
网友评论更多
82阳泉g
伊朗和阿曼举行首次联合地面军事演习🕣🕤
2024-12-03 03:39:57 推荐
187****8958 回复 184****3241:安东诺夫被免去俄罗斯驻美国大使职务🕥来自长治
187****7658 回复 184****7605:世贸组织:2024年全球货物贸易将增长2.7% 全球贸易将逐步复苏🕦来自晋城
157****1073:按最下面的历史版本🕧🕯来自朔州
42晋中103
世界自然基金会:全球野生动物数量50年间减少逾七成🕰🕳
2024-12-05 04:01:13 推荐
永久VIP:世卫组织官员:期待中国在建设更加低碳的卫生体系中发挥更多作用🕶来自运城
158****1282:以军轰炸加沙地带中部一学校造成至少28人死亡🕷来自忻州
158****3659 回复 666🕸:德国经济预计连续第二年陷入衰退🕹来自临汾
84吕梁fi
国际奥委会下任主席候选人明年1月陈述🖇🖊
2024-12-04 02:31:49 不推荐
古交uq:“这是一条经过实践检验的正确道路”🖋
186****4653 回复 159****2425:欧盟委员会通过价值18亿欧元对摩尔多瓦财政支持计划🖌