SORA大模型的一点分析与理解

本文分析了SORA模型,这是一种基于大规模视频数据训练的文本条件扩散模型,能处理不同时长、分辨率和长宽比的视频。通过时空补丁上的变换器架构,该模型能生成高保真视频。文章讨论了视频生成相关工作、将视觉数据转化为补丁的方法、视频压缩网络、时空潜在补丁、扩散模型的应用以及语言理解等关键点,展示了SORA在模拟物理世界方面的潜力。
摘要由CSDN通过智能技术生成

SORA

一、原始技术博客分析

题目: Video generation models as world simulators
机构:OPEN AI
博客地址: https://openai.com/research/video-generation-models-as-world-simulators

1、Overview

We explore large-scale training of generative models on video data. Specifically, we train text-conditional diffusion models jointly on videos and images of variable durations, resolutions and aspect ratios(可变时长,分辨率,长宽比). We leverage a transformer architecture that operates on spacetime patches of video and image latent codes. Our largest model, Sora, is capable of generating a minute of high fidelity video. Our results suggest that scaling video generation models is a promising path towards building general pur

  • 4
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猴猴猪猪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值