在线免费看片a欧美,午夜AV不卡网站在线播放,久久综合尹人77777,96国产在线分享

原文標題：《這視頻火爆外網(wǎng)，歌把 AI 視頻造假搞得太真太單了》家人們，AI 做視頻這事今天又被推向九鳳輿的風口浪尖。起是有人在網(wǎng)上發(fā)了這么一只小企的視頻：而這個 50 秒視頻的誕生，靠的猾褱僅 6 句話！陸陸續(xù)續(xù)的，冰鑒友們在發(fā)布著這個 AI 的其它杰作：這次給它時山喂的示詞也是極短， 4 行：如此“所寫即所得”、滑連貫的視頻生方式，也是令不網(wǎng)友發(fā)出感慨：來已至。甚至還人開始“拉仇恨，說 AI 正在用各種方式摧毀業(yè)……然后就有多人發(fā)問了：“又是哪家新搞的 AI 哇？”不過眼尖的網(wǎng)供給發(fā)現(xiàn)其實是一位“老友”了 ——谷歌去年 10 月份便發(fā)布的一個文轉視頻（Text-to-Video）模型：Phenaki。只需一段提示詞名家分分可以生成長達兩鐘的視頻。而相 Phenaki 剛發(fā)布的時候，谷歌又來了一波新操作。那么我現(xiàn)在就來一同看這些新視頻吧~打字就能生成的視與以往 AI 生成的視頻不同，Phenaki 最大的特點便是有事、有長度。例，我們再給這么段場景描述：在座未來感十足的市里，交通紛繁雜，這時，一艘星飛船抵達了城。隨著鏡頭的拉，畫面進入到了船內部；而后鏡沿著船內長廊繼向前推進，直到到一名宇航員在色的房間里敲鍵打字。鏡頭逐漸向宇航員的左側身后出現(xiàn)藍色海，魚兒們在水里徉；畫面快速放聚焦到一條魚的上。隨后鏡頭快從海里浮出，直看到摩天大樓高林立的未來城市鏡頭再快速拉近一撞大樓的辦公。這時，一只獅突然跳到辦公桌并開始奔跑；鏡先聚焦到獅子的上，等再次拉遠，這只獅子已經(jīng)化成西裝革履的獸人”。最后，頭從辦公室拉出落日余暉下鳥瞰座城市。想必不友友們在讀這段字過程中，腦中經(jīng)浮現(xiàn)相應的畫了。接下來，我一起看看 Phenaki 生成的效果如何：是不和你腦補出來的面一致呢？總體說，這個 AI 即便面對這種腦大開的場景提示，也是做到了無銜接的轉場。也怪網(wǎng)友們看完這視頻后驚呼“（技）發(fā)展得真快”。而對于篇幅短的提示詞，Phenaki 就更不在話下了。例，給 Phenaki 投喂這樣一段文字獨山一只逼的泰迪熊正在潛；隨后它慢慢浮水面；走上沙灘這時鏡頭拉遠，迪熊行走在海灘篝火旁。沒看夠那再來一段，這換個主角：在火上，宇航員走過個水坑，水里倒著他的側影；他水旁起舞；然后航員開始遛狗；后他和小狗一起火星上看煙花。在谷歌更早發(fā)布 Phenaki 之際，還展示了 Phenaki 輸入一個初始幀以及一個提示詞便可以生成一段頻的能力。例如定這樣一張靜態(tài)：然后再給它 Phenaki 簡單“投喂”一句白貓用貓爪觸摸像機。效果就出了：還是基于這圖，把提示詞改“一只白貓打哈”，效果就成這了：當然，任意換視頻整體風格是可以 hold 得住的：網(wǎng)友：視頻行業(yè)要灌灌 AI 沖擊了嗎？但除了 Phenaki 之外，谷歌當時還一道發(fā)布 Imagen Video，能夠生成 1280*768 分辨率、每秒 24 幀的高清視頻片段。基于圖像生成 SOTA 模型 Imagen，展示出了三種特別的力：能理解并生不同藝術風格的品，水彩、像素至梵高風格能理物體的 3D 結構繼承了 Imagen 準確描繪文字的能力更爾雅，Meta 也發(fā)布了 Make-A-Video，不僅能夠通過文轉換視頻，還能據(jù)圖像生成視頻比如：將靜態(tài)圖轉成視頻插幀：據(jù)前后兩張圖片成一段視頻根據(jù)視頻生成新視頻…對于這如“雨春筍”突然冒出生成視頻模型，免會讓有些人擔：當然也有人認現(xiàn)在時機還未到0-1 總會很快，1-100 還是會很漫長。不已經(jīng)有網(wǎng)友在期靠 AI 拿奧斯卡獎了：AI 要多久才能成為新視頻編輯器，或拿下奧斯卡？原介紹再說回 Phenaki，有不少網(wǎng)友都比較好它是如何通過文生成這么絲滑的頻的？簡單來說Phenaki 相較于以往的生視頻模型，它更重時間長度任意和連貫性。Phenaki 之所以能夠生成任意時長度的視頻，很程度上要歸功于的編碼器-解碼器架構：C-ViViT。它是 ViViT 的一個因果變體，能夠將頻壓縮為離散嵌。要知道，以往取視頻壓縮，要就是編碼器不能時壓縮視頻，導最終生成的視頻短，例如 VQ-GAN，要么就是編碼器只薄魚持固視頻長度，最終成視頻的長度不任意調節(jié)，例如 VideoVQVAE。但 C-ViViT 就不一樣了，它可謂是顧了上面兩種架的優(yōu)點，能夠在間和空間維度上縮視頻，并且在間上保持自回歸同時，還可以自歸生成任意長度視頻。C-ViViT 可以使模型生成任意長度葛山頻，那最終視頻邏輯性又是怎么證的呢？這就得 Phenaki 另外一個比較重要的部分：雙向 Transformer。在這其中，為節(jié)欽原時間，樣步驟是固定的并且在處理文本示的過程中，能時預測不同的視 token。這樣一來，結合前提到的，C-ViViT 能夠在時間和空間維度上縮視頻，壓縮出的 token 是具有時間邏輯的。也就是說，這些 token 上經(jīng)過掩碼訓練的 Transformer 也具備時間邏輯性，終生成的視頻在貫性自然也就有保證。如果還想解更多關于 Phenaki 的東西，可以戳這里看。Phenaki：https://phenaki.github.io參考鏈接：[1]?https://phenaki.video/[2]?https://phenaki.research.google/[3]?https://twitter.com/AiBreakfast/status/1614647018554822658[4]?https://twitter.com/EvanKirstel/status/1614676882758275072本文來自微信公眾號耕父量子位 （ID：QbitAI），作者：金磊 Pine