先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7
深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！
由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）
正文
2.3、主要贡献
- 我们利用联合文本-图像先验来绕过对成对文本-视频数据的需要，这反过来又允许我们潜在地扩展到更大数量的视频数据。
- 我们提出了空间和时间上的超分辨率策略，首次在用户提供文本输入的情况下生成高清、高帧速率视频。
- 我们根据现有T2V系统评估Make-A-Video，并提出：（A）定量和定性测量的最新结果，以及（b）比现有T2V文献更全面的评估。
三、模型
主要框架如上图所示，Make-A-Video由三个主要组件组成：（i）基于文本图像对训练的基本T2I模型（ii）时空卷积层和注意力层以及（iii）用于提高帧率的帧插值网络和两个用来提升画质的超分网络
Make-A-Video的最终T2V推理方案（如图2所示）可以表述为：
y
t
^
=
S
R
h
∘
S
R
l
t
∘
↑
F
∘
D
t
∘
P
∘
(
x
^
,
C
x
(
x
)
)
\hat{y_{t}}=\mathrm{SR}_{h} \circ \mathrm{SR}_{l}^{t} \circ \uparrow_{F} \circ \mathrm{D}^{t} \circ \mathrm{P} \circ\left(\hat{x}, \mathrm{C}_{x}(x)\right)
yt=SRh∘SRlt∘↑F∘Dt∘P∘(x,Cx(x))
其中，ˆyt是生成的视频，SRh、SRl是空间和时空超分辨率网络（第3.2节），↑F是帧插值网络，Dt是时空解码器，P是先验，ˆx是BPE编码的文本，Cx是CLIP文本编码器，x是输入文本
3.1、文本生成图像
在添加时空信息前，模型的主干是一个基于文本生成图像的T2I模型。使用以下网络从文本生成高分辨率图像：（i）一个先前的网络P（ii）一个解码器网络D，以及（iii）两个超分辨率网络，将生成的图像分辨率分别增加到256×256和768×768像素，最终生成图像。
3.2、时空层次
为了将二维条件网络（即只能生成2d图像）扩展到时间维度，作者修改了两个关键构建块（卷积层和注意力层），这两个构建块现在不仅需要空间维度，还需要时间维度，以便生成视频。
，然后基于U-Net的扩散网络进行时间修改，利用时空解码器Dt生成16个RGB帧，然后通过在16个生成的帧和超分辨率网络SRtl之间插值来增加有效帧速率。
超分辨率包含幻觉信息。为了不出现闪烁的伪影，幻觉必须在帧之间保持一致。因此，我们的SRtl模块跨空间和时间维度运行。由于内存和计算的限制以及高分辨率视频数据的稀缺性，将SRh扩展到时间维度是一个挑战。因此，SRh仅沿空间维度运行。但为了在帧之间产生一致的细节幻觉，我们对每个帧使用相同的噪声初始化
3.3、伪三维卷积层
受可分离卷积的启发（Cholet，2017），我们在每个2D卷积（conv）层之后叠加一个1D卷积，如图3所示。这有助于空间轴和时间轴之间的信息共享，而不会屈服于3D conv层的繁重计算负载。此外，它在预先训练的2D conv层和新初始化的1D conv层之间创建了一个具体分区，允许我们从头开始训练时间卷积，同时保留空间卷积权重中先前学习的空间知识。
伪三维卷积层定义为：
Conv
P
3
D
(
h
)
:
=
Conv
1
D
(
Conv
2
D
(
h
)
∘
T
)
∘
T
,
\operatorname{Conv}_{P 3 D}(h):=\operatorname{Conv}_{1 D}\left(\operatorname{Conv}_{2 D}(h) \circ T\right) \circ T,
ConvP3D(h):=Conv1D(Conv2D(h)∘T)∘T,
3.4 、伪3D注意层
T2I网络的一个重要组成部分是注意层，作者将维度分解策略扩展到了注意力层。在每个（预先训练的）空间注意层之后，叠加一个时间注意层，与卷积层一样，它近似于一个完整的时空注意层。伪三维注意层定义为：
ATTN
P
3
D
(
h
)
=
unflatten
(
A
T
T
N
1
D
(
A
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
(
A
T
T
N
1
D
(
A
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）
[外链图片转存中…(img-lU9A7brK-1713410249050)]
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
4870
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
