如何提高生成视频和文本的语义一致性？

刘孟洋 腾讯TEG 算法工程师

个人介绍：香港城市大学博士学位，腾讯高级算法工程师，5年计算机视觉从业经验，现从事文生视频算法研究工作。研究方向包括视频生成，图像生成，多模态，视频表征学习，大规模视频检索系统等。曾参与构建十亿级视觉检索系统，服务于视频去重，版权保护等。

演讲题目：扩散模型与文生视频

演讲提纲：近年来扩散模型在视觉生成领域大放异彩，跨模态对齐技术让文本控制生成成为可能，文生图以及文生视频领域迎来飞速发展。本次分享将主要介绍文生视频近期的主流方法，以及我们在画质提高、语义一致提升上的一些探索。同时也会介绍一些有趣的应用实践，以及一些可能并不会太长期的展望。

听众收益：

1. 如何用扩散模型实现文本控制生成？

2. 如何提高生成内容和文本的语义一致性？

3. 除了文本还能用什么控制生成呢？