去年今天，Google在AI视频生成方面的Demo，对比现在（
网页链接）……明年AI发展会更快
网页链接）……明年AI发展会更快
Google AI也在生成视频领域发力，最近推出了VideoPoet，这是一种用于零镜头视频生成的大型语言模型，可产生一系列大且平滑的运动，同时在数秒内保留对象的外观。
内容：blog.research.google/2023/12/videopoet-large-language-model-for-zero.html?m=1
VideoPoet：用于零镜头视频生成的大型语言模型
——
当前视频生成的瓶颈之一是产生连贯大动作（large motions）的能力。在许多情况下，当前领先的模型要么只会产生较小的运作，要么当产生较大的动作时，会表现出明显的伪影。
为了探索语言模型在视频生成中的应用，我们引入了VideoPoet，这是一种大型语言模型（LLM），能够执行各种视频生成任务，包括文本到视频、图像到视频、视频风格化、视频修复和修复，以及视频转音频。
一个值得注意的观察是，领先的视频生成模型几乎完全是基于扩散的（例如，Imagen Video）。另一方面，LLM因其跨各种模式（包括语言、代码和音频（例如AudioPaLM ））的卓越学习能力而被广泛认为是事实上的标准。与该领域的替代模型相比，我们的方法将许多视频生成功能无缝集成在单个LLM中，而不是依赖于专门针对每个任务的单独训练的组件。
ChatGPT 
黄建同学的微博视频
内容：blog.research.google/2023/12/videopoet-large-language-model-for-zero.html?m=1
VideoPoet：用于零镜头视频生成的大型语言模型
——
当前视频生成的瓶颈之一是产生连贯大动作（large motions）的能力。在许多情况下，当前领先的模型要么只会产生较小的运作，要么当产生较大的动作时，会表现出明显的伪影。
为了探索语言模型在视频生成中的应用，我们引入了VideoPoet，这是一种大型语言模型（LLM），能够执行各种视频生成任务，包括文本到视频、图像到视频、视频风格化、视频修复和修复，以及视频转音频。
一个值得注意的观察是，领先的视频生成模型几乎完全是基于扩散的（例如，Imagen Video）。另一方面，LLM因其跨各种模式（包括语言、代码和音频（例如AudioPaLM ））的卓越学习能力而被广泛认为是事实上的标准。与该领域的替代模型相比，我们的方法将许多视频生成功能无缝集成在单个LLM中，而不是依赖于专门针对每个任务的单独训练的组件。
ChatGPT 黄建同学的微博视频
