🔷体育新闻网易体育🔸
“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)
“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。
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。
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。
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。
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。
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。
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。
🔹(撰稿:任丘)日本大阪市政府判定小林制药问题保健品事件属于食物中毒
12-04童年足迹🕑
以色列防长“三个词”谈报复伊朗 伊朗外长访问沙特寻求支持
12-03年轻之美🕒
共话中国经济新机遇|专访:旅游文化合作促进中马民心相通——访马来西亚国家旅游局副局长李泰康
12-05龙成🕓
匈牙利总理欧尔班:欧洲走向“贸易限制”将失去更多市场
12-05步履风尚🕔
民调:韩国总统尹锡悦施政好评率降至24% 再创新低
12-05洁浩博🕕
黎真主党向以北部发射约40枚火箭弹 暂无人员伤亡报告
12-04基吉航🕖
冷却管道发生泄漏 日本美滨核电站3号机组暂停运行
12-04魅力之脚🕗
塞尔维亚“脚踩两条船”?武契奇:我们只有一把椅子!
12-03宏纳邦q
美以领导人一个多月来首次通话 不谈停火谈报复伊朗
12-05大超达p
中方反倾销措施引发法国干邑行业强烈反响
12-04风博🕘