研究人员开发了一种名为“Mode Seeking meets Mean Seeking”的新训练范式,以改进长视频的生成。该方法使用解耦扩散Transformer(Decoupled Diffusion Transformer)将局部保真度与长期连贯性解耦。该方法采用全局流匹配头(global Flow Matching head)来处理叙事结构,并采用局部分布匹配头(local Distribution Matching head)来使片段与预训练的短视频模型对齐,从而能够快速合成具有更高清晰度和一致性的分钟级视频。 AI
影响 该方法有望显著提升AI生成更长、更连贯视频内容的能力。
排序理由 该集群包含一篇详细介绍视频生成新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →