GroupVideo

GroupVideo框架支持多身份定制化文本到视频生成

研究人员开发了GroupVideo，一个旨在根据文本提示生成包含多个不同身份的视频的新框架。与之前在多身份场景下身份混淆和动作不自然的旧方法不同，GroupVideo采用了视觉和语义对齐技术。它还包含一个具有空间引导的ID定位模块，以确保身份保真度和提高训练效率。为了支持这项研究，一个新的包含20,000个视频的数据集已被整理出来，该数据集在生成具有一致身份和自然动作的视频方面，已被证明优于现有方法。