谷歌研究人员推出了创新性文本生成视频模型——Lumiere。与传统模型不同的是，Lumiere采用了一种时空扩散（Space-time）U-Net架构，可以在单次推理中生成整个视频的所有时间段，能明显增强生成视频的动作连贯性，并大幅度提升时间的一致性。此外，Lumiere为了解决空间超分辨率级联模块，在整个视频的内存需求过大的难题，使用了Multidiffusion方法，同时可以对生成的视频质量、连贯性进行优化。
来源：
AIGC开放社区
AIGC开放社区未经允许不得转载：爱AI工具库 » 文本生成高清、连贯视频，谷歌推出时空扩散模型
