点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
最后一天特惠活动！CVer学术星球新人和续费优惠券来了！为了感谢大家的支持，限时赠送10张50元新用户优惠券(下图左边二维码)，10张20元老用户续费券(下图右边二维码)，龙年坚持分享更多更好的工作，寒假不停更！助力你的科研和工作！顺利毕业升学，升职加薪！
梦晨 西风 发自 凹非寺
转载自：量子位（QbitAI）
刚刚，奥特曼发布OpenAI首个视频生成模型Sora。
完美继承DALL·E 3的画质和遵循指令能力，能生成长达1分钟的高清视频。
AI想象中的龙年春节，红旗招展人山人海。
有紧跟舞龙队伍抬头好奇观望的儿童，还有不少人掏出手机边跟边拍，海量人物角色各有各的行为。
雨后东京街头，潮湿地面反射霓虹灯光影效果堪比RTX ON。
行驶中的列车窗外偶遇遮挡，车内人物倒影短暂出现非常惊艳。
也可以来一段好莱坞大片质感的电影预告片：
竖屏超近景视角下，这只蜥蜴细节拉满：
网友直呼game over，工作要丢了：
甚至有人已经开始“悼念”一整个行业：
AI理解运动中的物理世界
OpenAI表示，正在教AI理解和模拟运动中的物理世界，目标是训练模型来帮助人们解决需要现实世界交互的问题
根据文本提示生成视频，仅仅是整个计划其中的一步。
目前Sora已经能生成具有多个角色、包含特定运动的复杂场景，不仅能理解用户在提示中提出的要求，还了解这些物体在物理世界中的存在方式。
比如一大群纸飞机在树林中飞过，Sora知道碰撞后会发生什么，并表现其中的光影变化。
一群纸飞机在茂密的丛林中翩翩起舞，在树林中穿梭，就像候鸟一样。
Sora还可以在单个视频中创建多个镜头，并依靠对语言的深入理解准确地解释提示词，保留角色和视觉风格。
美丽、白雪皑皑的东京熙熙攘攘。镜头穿过熙熙攘攘的城市街道，跟随几个人享受美丽的雪天并在附近的摊位购物。绚丽的樱花花瓣随着雪花随风飘扬。
对于Sora当前存在的弱点，OpenAI也不避讳，指出它可能难以准确模拟复杂场景的物理原理，并且可能无法理解因果关系。
例如“五只灰狼幼崽在一条偏僻的碎石路上互相嬉戏、追逐”，狼的数量会变化，一些凭空出现或消失。
该模型还可能混淆提示的空间细节，例如混淆左右，并且可能难以精确描述随着时间推移发生的事件，例如遵循特定的相机轨迹。
如提示词“篮球穿过篮筐然后爆炸”中，篮球没有正确被篮筐阻挡。
技术方面，目前OpenAI透露的不多，简单介绍如下：
Sora是一种扩散模型，从噪声开始，能够一次生成整个视频或扩展视频的长度，
关键之处在于一次生成多帧的预测，确保画面主体即使暂时离开视野也能保持不变。
与GPT模型类似，Sora使用了Transformer架构，有很强的扩展性。
在数据方面，OpenAI将视频和图像表示为patch，类似于GPT中的token。
通过这种统一的数据表示方式，可以在比以前更广泛的视觉数据上训练模型，涵盖不同的持续时间、分辨率和纵横比。
Sora建立在过去对DALL·E和GPT模型的研究之上。它使用DALL·E 3的重述提示词技术，为视觉训练数据生成高度描述性的标注，因此能够更忠实地遵循用户的文本指令。
除了能够仅根据文本指令生成视频之外，该模型还能够获取现有的静态图像并从中生成视频，准确地让图像内容动起来并关注小细节。
该模型还可以获取现有视频并对其进行扩展或填充缺失的帧，请参阅技术论文了解更多信息（晚些时候发布）。
Sora 是能够理解和模拟现实世界的模型的基础，OpenAI相信这一功能将成为实现AGI的重要里程碑。
奥特曼在线接单
目前已有一些视觉艺术家、设计师和电影制作人（以及OpenAI员工）获得了Sora访问权限。
他们开始不断po出新的作品，奥特曼也开始了在线接单模式。
带上你的提示词@sama，就有可能收到生成好的视频回复。
下面是更多精彩视频欣赏。
一位时尚女性走在充满温暖霓虹灯和动画城市标牌的东京街道上。她穿着黑色皮夹克、红色长裙和黑色靴子，拎着黑色钱包。她戴着太阳镜，涂着红色口红。她走路自信又随意。街道潮湿且反光，在彩色灯光的照射下形成镜面效果。许多行人走来走去。
电影预告片讲述了30岁宇航员戴着红色羊毛针织摩托车头盔的冒险经历，蓝天、盐漠，电影风格，35毫米胶片拍摄，色彩鲜艳。
无人机摄像机围绕着一座美丽的历史教堂盘旋，这座教堂建在阿马尔菲海岸的岩石露头上，视图展示了历史悠久、宏伟的建筑细节以及分层的路径和露台，当视图俯瞰地平线时，可以看到海浪拍打着下面的岩石。意大利阿马尔菲海岸的沿海水域和丘陵景观，远处的几个人在露台上散步和欣赏壮丽的海景，午后阳光的温暖光芒给场景营造出一种神奇而浪漫的感觉，景色令人惊叹用美丽的摄影捕捉。
一只柯基犬在热带毛伊岛拍摄视频博客
一只巨大的橙色章鱼躺在海底，与沙石地形融为一体。它的触角散布在身体周围，双眼紧闭。不远处，一只棕色多刺的帝王蟹正从岩石后爬向它，钳子高举待击。画面以广角拍摄，展现出海洋的无垠深邃。水清澈见底，阳光透过水面，投下斑斓光影。画面清晰生动，章鱼和蟹清晰可见，而背景稍显模糊，营造出景深效果。
参考链接：
[1]https://openai.com/sora
最后一天特惠活动！CVer学术星球春节优惠券来了！为了感谢大家的支持，现在赠送10张50元新用户优惠券(左图领取)，10张20元老用户续费券(右图领取)，龙年坚持分享更多更好的工作，寒假不停更！共同进步！
视频生成技术交流群成立
扫描下方二维码，或者添加微信：CVer444，即可添加CVer小助手微信，便可申请加入CVer-视频生成微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。
一定要备注：研究方向+地点+学校/公司+昵称（如视频生成+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群▲扫码或加微信号: CVer444，进交流群
CVer计算机视觉（知识星球）来了！想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料，欢迎扫描下方二维码，加入CVer计算机视觉（知识星球），已汇集近万人！
▲扫码加入星球学习▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
