GATO-Vid

新的 GATO-Vid 方法为文本到视频生成提供无梯度的空间控制

研究人员开发了 GATO-Vid，一种新的文本到视频生成方法，可在没有基于梯度优化的计算成本的情况下提供精确的空间控制。该方法利用了一种新颖的、通过解析求解的交叉注意力分数，提供了一个封闭形式的解，该解被注入到 Transformer 的潜在空间中。实验表明，与现有方法相比，GATO-Vid 以最小的开销实现了卓越的定位精度。