点击下方卡片，关注“CVer”公众号
AI/CV重磅干货，第一时间送达
或者添加微信：CVer444，小助手会拉你进微信群！
扫描下方二维码，加入CVer学术星球，可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文搞科研，强烈推荐！
白交 衡宇 发自 凹非寺
转载自：量子位（QbitAI）
好消息，好消息，真·Sora视频上新了！走过路过不要错过！
（不用苦苦等候，或撑大眼睛费劲吧啦鉴别真假Sora产品了）。
就在过去短短几个小时里，包括Bill Peebles、Tim Brooks两位负责人在内的工作人员唰唰唰N连发。
（好了好了，知道你们是好朋友）
不仅有前所未的多视角、新功能展现，最重要的是，各个视频的呈现效果依然处于令人惊叹的段位。
比如Go Pro视角下潜水去探索沉船。
比如下面这段视频，效果跟此前写实、逼真的画风有点不一样。
而且Sora产出的是同一片段的不同视角画面。
它的提示词是：精心制作的立体模型，描绘了日本江户时代的宁静场景。传统的木结构建筑。一个孤独的武士，穿着复杂的盔甲，缓慢地穿过城镇。
另外比较惊艳的还有一头大眼睛、长睫毛、口喷冷气的小白龙，就是下面这位：
有人尝试用同样的prompt在DALLE·3上画画，得到的结果是这样的：
就，还挺神似！
但Sora小白龙的效果让某种声音越来越大，那就是：
好家伙，我一眼就看出这玩意儿有虚幻引擎的影子！
不过，这波视频还是惹得网友们wow wow的，不停惊叹，怎么Sora每波视频效果都越来越好了？
我的天爷啊，等Sora公测开放等得大家一天只能吃下三顿饭了！
有的网友超级激动，已经在知名新产品挖掘平台ProductHunt上给Sora的API站好了坑。
万事俱备，只欠东风。
官方新视频再流出
首先来看看Sora这波上新，此次最惊艳的是由玻璃制成的乌龟，日落时分在沙滩上爬行。
不过也有细心的网友发现：“我只看到了三条腿…”“前面两条腿更像乌龟的脚蹼”
而在Midjourney上使用相同的提示，效果是这样的。
另外，多个视角展现也成为了此次上新的亮点。
比如在夏威夷玩跳伞。
提示词：a man BASE jumping over tropical hawaii waters. His pet macaw flies alongside him（一名男子在夏威夷热带海域进行低空跳伞，他的宠物金刚鹦鹉与他并肩飞翔）
甚至还有F1赛车手的视角。
此外，Sora还暴露了一些类似剪辑的新功能——无缝衔接。
此前看到，它能通过文本、图像或视频输入对模型进行提示。
如今发现，它还可以在两个输入视频之间逐渐进行插值。两个毫不相干的Sora视频，结果无缝过渡成了新视频。
咳咳，不过水下为啥会有蝴蝶？？
任意尺寸比例生成，此次新视频也得到了展现。
以下视频来源于
QSQT
不过由于悉数都是Sora团队成员发布的视频，有网友觉得，除非有个非OpenAI工作人员才测试，不然Sora就是个vaporware（雾件）
这些案例中，也有被认为翻车的……
提示词：a dark neon rainforest aglow with fantastical fauna and animals（黑暗的霓虹雨林，闪烁着奇幻的动物和动物的光芒）
网友表示：为什么会是矢量动画的风格，提示中根本并没有这样的提示。
这是我见过Sora最糟糕的例子
“我不是专家，但这绝对用了UE5”
与此同时，关于Sora所生成视频的讨论重心，逐渐从“这不符合物理世界的规律”，转移到更深层次——
关于其背后训练数据来源的讨论。
现在的民间主流说法（doge）是：
这绝对用了3D引擎/UE5来训练的！
英伟达科学家、大家伙熟悉的老盆友Jim Fan老师就在首日猜测过，称Sora虽然没有明确表示调用了UE5，但极有可能把用UE5生成的文本、视频当作合成数据，添加到自个儿的训练集中。
也有一位前谷歌工作人员对Sora这次的新视频进行了在线锐评：
Sora这效果，我真的认为需要3D引擎+生成式AI结合，才能实现这样的一致性和视频质量。
事实证明，就是得要更多的数据和计算……
倒不是Jim Fan等人的一家之言。早在第一波Sora视频亮相时，这种声音就第一时间起来了，声量还很不小。
再多举个
。
一位从事数据科学和ML的推友罗列出了自己站队这种观点的“证据”。
他亮出的牌是漫步樱花街头的那段视频。
然后配文道：“视频中移动的人似乎与UE5演示中的人类的移动方式非常相似。现实中的人走路逛街，并不会老用一个恒定的速度。”
也有人质疑这种说法，毕竟Youtube等互联网上拥有数十亿（可能还不止）小时的视频片段，干啥要用虚幻引擎来增加工作量呢？
于是就有人把“汽车行驶”的视频片段丢到上面这位推友小哥面前，说这看起来也不像是用了3D引擎搞的呀！
小哥友好地嘚吧嘚嘚吧嘚，开始了自己的分析：
“我不是专家……但感觉UE让汽车行驶掀起的尘土，只在后轮部分有。但其实现实情况中，前轮部分也会扬起尘沙。”
当然也有不少人赞同他，附和道：
虽然不一定用的是UE5吧……但事实确实是，用数字孪生模拟可能效果和效率都更好。
而且这样还能用较少的IRL数据进行更高质量的数据采样。
以及还有人把自己理解中Sora的pipeline都列到推特上了。
这种讨论大规模流传开后，不少人对Sora可能是“UE5+AIGC”产生的效果嗤之以鼻。
“哼
！我话放在这儿，合成数据是视觉机器学习的作弊代码！！”
同时有人从这种讨论中看到了不久之后的一种可能性。
即未来的生成不是通过模拟真实物理来呈现，而是通过训练模拟物理模拟（即现实世界）的模型来呈现。
嗯……咱就是说，谁能一口否定没有这种可能呢？
One More Thing
Sora上新视频后，有网友急冲冲去问了另一家AI视频生成头部玩家Runway的首席执行官。
“最近几个月，有发布新版本的打算吗？就是质量接近Sora的那种～”
Runway CEO冷冷回了一个词儿：
better
参考链接：
[1]https://twitter.com/minchoi/status/1761367515777695965
视频生成交流群成立
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
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
