CVPR-2024 视频生成(Video Generation)相关论文

最新推荐文章于 2025-03-06 07:30:52 发布
最新推荐文章于 2025-03-06 07:30:52 发布
阅读量2.2k 收藏 26
点赞数 18
分类专栏： 视频生成 文章标签： 音视频 深度学习 人工智能 机器学习 CVPR SCI论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_42155685/article/details/142993391
版权

CVPR-2024 视频生成(Video Generation)相关论文

在这里插入图片描述

A Recipe for Scaling up Text-to-Video Generation with Text-free Videos

文章解读: http://www.studyai.com/xueshu/paper/detail/070dab0e1a

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Wang_A_Recipe_for_Scaling_up_Text-to-Video_Generation_with_Text-free_Videos_CVPR_2024_paper.html)

360DVD: Controllable Panorama Video Generation with 360-Degree Video Diffusion Model

文章解读: http://www.studyai.com/xueshu/paper/detail/0f48413a14

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Wang_360DVD_Controllable_Panorama_Video_Generation_with_360-Degree_Video_Diffusion_Model_CVPR_2024_paper.html)

GenTron: Diffusion Transformers for Image and Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/183a728a73

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Chen_GenTron_Diffusion_Transformers_for_Image_and_Video_Generation_CVPR_2024_paper.html)

Grid Diffusion Models for Text-to-Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/2747e621ef

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Lee_Grid_Diffusion_Models_for_Text-to-Video_Generation_CVPR_2024_paper.html)

Hierarchical Patch Diffusion Models for High-Resolution Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/3dfb22d3bb

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Skorokhodov_Hierarchical_Patch_Diffusion_Models_for_High-Resolution_Video_Generation_CVPR_2024_paper.html)

DiffPerformer: Iterative Learning of Consistent Latent Guidance for Diffusion-based Human Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/556fcfdb50

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Wang_DiffPerformer_Iterative_Learning_of_Consistent_Latent_Guidance_for_Diffusion-based_Human_CVPR_2024_paper.html)

Panacea: Panoramic and Controllable Video Generation for Autonomous Driving

文章解读: http://www.studyai.com/xueshu/paper/detail/70ff96d9a4

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Wen_Panacea_Panoramic_and_Controllable_Video_Generation_for_Autonomous_Driving_CVPR_2024_paper.html)

MicroCinema: A Divide-and-Conquer Approach for Text-to-Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/85a87dc591

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Wang_MicroCinema_A_Divide-and-Conquer_Approach_for_Text-to-Video_Generation_CVPR_2024_paper.html)

Hierarchical Spatio-temporal Decoupling for Text-to-Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/8c2a58ed68

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Qing_Hierarchical_Spatio-temporal_Decoupling_for_Text-to-Video_Generation_CVPR_2024_paper.html)

VideoBooth: Diffusion-based Video Generation with Image Prompts

文章解读: http://www.studyai.com/xueshu/paper/detail/8f77a78d58

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Jiang_VideoBooth_Diffusion-based_Video_Generation_with_Image_Prompts_CVPR_2024_paper.html)

Make Pixels Dance: High-Dynamic Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/8fabe1ebc1

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Zeng_Make_Pixels_Dance_High-Dynamic_Video_Generation_CVPR_2024_paper.html)

SimDA: Simple Diffusion Adapter for Efficient Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/a6a98f9c07

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Xing_SimDA_Simple_Diffusion_Adapter_for_Efficient_Video_Generation_CVPR_2024_paper.html)

Co-Speech Gesture Video Generation via Motion-Decoupled Diffusion Model

文章解读: http://www.studyai.com/xueshu/paper/detail/c2c282b646

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/He_Co-Speech_Gesture_Video_Generation_via_Motion-Decoupled_Diffusion_Model_CVPR_2024_paper.html)

Generative Rendering: Controllable 4D-Guided Video Generation with 2D Diffusion Models

文章解读: http://www.studyai.com/xueshu/paper/detail/c855174eb6

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Cai_Generative_Rendering_Controllable_4D-Guided_Video_Generation_with_2D_Diffusion_Models_CVPR_2024_paper.html)

LAMP: Learn A Motion Pattern for Few-Shot Video Generation

文章解读: http://www.studyai.com/xueshu/paper/detail/ca4f57a43a

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Wu_LAMP_Learn_A_Motion_Pattern_for_Few-Shot_Video_Generation_CVPR_2024_paper.html)

PEEKABOO: Interactive Video Generation via Masked-Diffusion

文章解读: http://www.studyai.com/xueshu/paper/detail/d7cb1ba6b5

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Jain_PEEKABOO_Interactive_Video_Generation_via_Masked-Diffusion_CVPR_2024_paper.html)

EvalCrafter: Benchmarking and Evaluating Large Video Generation Models

文章解读: http://www.studyai.com/xueshu/paper/detail/f6d2ec054b

文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Liu_EvalCrafter_Benchmarking_and_Evaluating_Large_Video_Generation_Models_CVPR_2024_paper.html)

CVPR 2024中有哪些值得关注的视频生成和视频编辑方向的论文？
沉迷单车的追风少年
03-21 2097
轰轰烈烈的CVPR 2024所有accept paper已经全部公开，随着Sora的爆火，视频生成和视频编辑是目前计算机视觉最火热的方向，受到了很多人的关注。这篇博客就整理盘点一下有哪些值得关注的视频生成和视频编辑方向的论文？值得做这个方向的小伙伴收藏学习。
详细解读 CVPR2024：VideoBooth: Diffusion-based Video Generation with Image Prompts
沉迷单车的追风少年
10-23 1253
文本驱动的视频生成正在迅速取得进展。然而，仅仅使用文本提示并不足以准确反映用户意图，特别是对于定制内容的创建。个性化图片领域已经非常成功了，但是在视频个性化领域才刚刚起步，这篇博客讲解CVPR2024一篇经典的论文《VideoBooth: Diffusion-based Video Generation with Image Prompts》。
CVPR2024论文速读（51-100）
weixin_44287798的博客
06-13 2024
CVPR2024论文摘要速览
CVPR 2024 图像生成方向总汇（视频合成/生成、纹理生成/合成、二维码生成、文本-矢量、手写数学表达式和文本-3D等）
qq_36812406的博客
01-21 891
纹理生成/合成、二维码生成、文本-矢量、手写数学表达式和文本-3D等
CVPR 2025图像/视频/3D生成论文汇总（附论文呢/代码）
CV_Autobot的博客
03-06 1384
作者 |Kobay编辑 | 自动驾驶之心原文链接：https://zhuanlan.zhihu.com/p/27979298565点击下方卡片，关注“自动驾驶之心”公众号戳我->领取自动驾驶近15个方向学习路线>>点击进入→自动驾驶之心『CVPR 2025』技术交流群本文只做学术分享，如有侵权，联系删文Awesome-CVPR2025-AIGCA Collection of...
LAMP: Learn A Motion Pattern for Few-Shot-Based Video Generation学习笔记
kangxi11122344的博客
11-07 370
这使得文本到图像扩散模型学习具有8 ~ 16个视频的特定运动模式
CVPR2024部分研究方向文章梳理（持续更新中）
llptyy的博客
04-09 1207
CVPR2024部分研究方向文章梳理（持续更新中）
数据增强又突破了！升级版“双杀”两大顶会，实现无痛涨点
学姐带你玩AI的博客
09-19 1743
数据收集和标注的艰难想必大家都有所体会，不仅耗时耗力还很贵，一般人顶不住。那怎么解决？你的“强”来了~这是因为它能通过在现有数据基础上进行微小改动，生成更多等价数据来扩展训练数据集，显著提高模型的泛化能力和鲁棒性。因此这种的技术格外适合解决训练数据不足的问题，自然也就成了，且现在除了经典方法，数据增强更是已经next level，出现了很多新方法，比如CVPR 2024的DiffuseMix，还有WACV 2024的目标检测数据增强。除此以外，还有一些很值得学习的，我从中挑选了。
ControlNet: Adding Conditional Control to Text-to-Image Diffusion Models
qq_43800752的博客
06-05 3397
我们提出了一种名为ControlNet的神经网络结构，用于控制预训练的大规模扩散模型，以支持额外的输入条件。ControlNet以端到端的方式学习任务特定的条件，并且即使训练数据集较小（< 50k），学习效果也很稳健。此外，训练ControlNet的速度与微调扩散模型的速度一样快，而且该模型可以在个人设备上进行训练。或者，如果有强大的计算集群可用，该模型可以扩展到大量（百万到十亿级）的数据。我们报告了使用ControlNet扩展稳定扩散等大规模扩散模型的结果，以实现诸如边缘映射、分割映射、关键点等条件输入。
CVPR-2024 扩散模型(Diffusion Model)相关论文 PART2（72篇）
weixin_42155685的博客
11-09 1139
文章解读: http://www.studyai.com/xueshu/paper/detail/847f6a4bf6文章链接: (https://openaccess.thecvf.com/content/CVPR2024/html/Sueyoshi_Predicated_Diffusion_Predicate_Logic-Based_Attention_Guidance_for_Text-to-Image_Diffusion_Models_CVPR_2024_paper.html)文章解读: http:
CVPR 2024论文与代码汇总:计算机视觉领域最新研究进展
2401_87458778的博客
10-17 7391
CVPR 2024的论文涵盖了计算机视觉领域的多个研究方向,包括但不限于3D场景表示、多模态大语言模型、目标检测、扩散模型等。这些研究工作不仅推动了学术前沿的发展,也为实际应用提供了新的技术支持。多模态融合成为热点,特别是视觉与语言的深度结合。3D表示和渲染技术取得重要突破,高斯散射等新方法展现出巨大潜力。生成模型,尤其是扩散模型,在各种视觉任务中的应用不断拓展。实时性和效率优化仍是研究重点,多个方向都在追求更快速的算法。
CVPR2024最佳论文出炉！历年CVPR最佳论文盘点（2000 年—2024 年）
m0_73122726的博客
07-11 6139
cvpr2024最佳论文出炉，本次论文可谓是万里挑一。 作为计算机视觉领域的顶级学术会议CVPR，每年评选出的一篇或多篇最佳论文，不仅为计算机视觉领域的顶级学术荣誉，更代表了将对未来技术或行业发展产生重要影响的里程碑式研究成果。 为了帮助大家对这批计算机领域的重要论文进行复习，沃恩智慧为大家精心整理了一份从2000 年—2024 年的 CVPR 最佳论文盘点。
CVPR和其他2024顶会论文阅读（资源整理【1】）
cnjs1994的博客
12-05 1347
总结了一些今年视觉方向的顶会论文，后续会继续完善！
ICCV 2023 超分辨率（Super-Resolution）论文汇总
不要给自己设限，尝试更多可能（思所向 皆可往）
03-07 4292
1. McASSR | Rethinking Multi-Contrast MRI Super-Resolution: Rectangle-Window Cross-Attention Transformer and Arbitrary-Scale Upsampling（浙大）1. LMR: A Large-Scale Multi-Reference Dataset for Reference-Based Super-Resolution（自动化所 张兆翔团队，百度）
FreeControl 使用教程
gitblog_00657的博客
08-10 592
FreeControl 使用教程 项目地址:https://gitcode.com/gh_mirrors/fr/FreeControl 1. 项目介绍 FreeControl 是一个用于文本到图像扩散模型的训练免费空间控制方法。这个项目由Sicheng Mo等人开发，并在CVPR 2024论文中提出，允许用户无需额外训练即可对任何条件下的文本到图像模型进行精细的空间控制。通过FreeControl...
NLP论文速读（CVPR 2024）|使用DPO进行diffusion模型对齐
2401_85576118的博客
11-22 741
本文探讨的背景是大型语言模型（LLMs）通过人类比较数据和从人类反馈中学习（RLHF）的方法进行微调，以更好地符合用户的偏好。根据Figure 3的内容，本文的实验部分主要关注了Diffusion-DPO（DPO-SDXL）模型与基线模型（SDXL）在人类评估中的性能比较。总的来说，本文引入了一种从人类偏好中学习的新范式，并展示了由此产生的最新模型。开发了一个使用AI反馈的变体，其性能与基于人类偏好的训练相当，为扩散模型对齐方法的扩展打开了大门。的方法，它是基于最近开发出的直接偏好优化（DPO）的变体。
最新200篇！2024年5月 diffusion 生成扩散模型论文汇总
idol24的博客
06-12 2260
001 (2024-06-5) Non-stationary Spatio-Temporal Modeling Using the Stochastic Advection-Diffusion Equation https://arxiv.org/pdf/2406.03400.pdf002 (2024-06-5) Generative Diffusion Models for Fast...
[论文阅读笔记]Feature fusion and latent feature learning guided brain tumor segmentation and missing modal
寸先生的AI道路
11-21 274
首先，可用的MR模式被输入到单独的编码器，以学习每个模式的独立特征。然后，提出一种多模态特征融合模型，提取用于分割的信息特征，包括跨模态融合模块和多尺度融合模块。此外，利用基于空间一致性的潜特征学习模块，利用潜多模态相关，学习相关特征，有利于分割。然后，实现多任务学习路径，包括缺失模式的模态生成任务、可用模式的模态重建任务和脑肿瘤分割任务。，这组相关系数描述了不同模态之间的非线性关系，可以用于表达某个模态与相关特征之间的关系。这样，网络就可以学习交叉模态特征，增强重要特征，抑制弱特征。
AAAI-2024 扩散模型(Diffusion Model)相关论文（65篇）
weixin_42155685的博客
11-09 1635
文章解读: http://www.studyai.com/xueshu/paper/detail/008af89b52文章链接:(10.1609/aaai.v38i4.28147)文章解读: http://www.studyai.com/xueshu/paper/detail/027b58e670文章链接:(10.1609/aaai.v38i16.29773)文章解读: http://www.studyai.com/xueshu/paper/detail/0cd849213a文章链接:(10.1609/aa
视频生成论文带读
最新发布
03-25
### 视频生成技术的相关研究 #### VideoGPT 的设计与实现 受 DALLE 工作的启发，加州大学伯克利分校于 2021 年推出了基于 VQ-VAE 和 GPT 架构的视频生成模型——VideoGPT。该模型的核心在于利用离散表示学习（Discrete Representation Learning），通过矢量量化变分自编码器（VQ-VAE）将连续的像素空间映射到离散的空间中，从而使得 Transformer 能够高效处理序列化后的帧数据并生成连贯的视频片段[^1]。 为了进一步提升生成质量，研究人员引入了姿态对齐机制。这种机制通过对参考帧进行特征增强，在保留原始外观信息的同时融入人体骨骼拓扑结构的信息。具体做法是将编码后的骨架图残差叠加至参考帧上，随后由参考网络完成最终的特征提取过程[^2]。 #### Animate Anyone 的创新贡献 阿里提出的 Animate Anyone 是一种专注于角色动画合成的技术框架，特别适用于从静态图片生成动态视频的任务场景。在 UBC 时尚视频数据集上的实验表明，相比传统方法，Animate Anyone 不仅能够在定量评估指标上取得更优的表现，而且还能更好地维持衣物纹理细节的一致性[^3]。这一特性对于虚拟试衣、影视特效制作等领域具有重要意义。 #### 多样化数据集下的挑战 尽管非条件生成对抗网络 (GANs) 在单一类别的图像生成任务中已经达到了较高的水准，但在面对多类别、高度多样化的内容时仍面临诸多困难。例如，当尝试构建像 ImageNet 这样的大规模综合数据库对应的生成模型时，往往需要额外的控制信号或者针对特定应用场景重新训练整个体系结构才能达到预期效果[^4]。 ```python import torch from torchvision import transforms, datasets def load_dataset(data_dir): transform = transforms.Compose([ transforms.Resize((64, 64)), transforms.ToTensor(), ]) dataset = datasets.ImageFolder(root=data_dir, transform=transform) dataloader = torch.utils.data.DataLoader(dataset, batch_size=32, shuffle=True) return dataloader ``` 上述代码展示了一个简单的 PyTorch 数据加载流程，可用于准备用于训练 GAN 或其他深度学习模型的数据集。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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