CogVideoX - 大规模基于扩散Transformer的文字到视频生成模型

码流怪侠
优质创作者: 编程框架技术领域
领域专家: C/C++技术领域
2024-10-14 10:09:44
...全文
37 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
【论文阅读】CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer
CogVideoX是一种基于DiffusionTransformer的新型文生视频系统，通过3DVAE编码器、专家Transformer和渐进式训练等创新技术，实现了高质量的长视频生成（10秒/16fps/768×1360分辨率）。该系统解决了现有模型在运动...
CogVideoX高级应用：图像到视频生成
CogVideoX的图像到视频（I2V）生成模型采用了先进的扩散模型架构，结合了3D卷积、时空注意力机制和条件编码技术，能够将静态图像转换为高质量的视频序列。该模型基于DiT（Diffusion Transformer）架构，包含图像编码...
CogVideoX：Text-to-Video Diffusion Models with An Expert Transformer
我们介绍了CogVideoX，这是一种大规模的扩散变压器模型，旨在基于文本提示生成视频。为了高效地建模视频数据，我们提出利用三维变分自编码器（VAE）来压缩视频的空间和时间维度。为了提高文本与视频的对齐性，我们...
4GB显存玩转视频生成：CogVideoX-5b-I2V的"非共识"革命与隐藏成本
你是否还在为视频生成模型动辄需要24GB显存而苦恼？是否因高昂的硬件成本望而却步？现在，一个"非共识"的机会来了！THUDM开源的CogVideoX-5b-I2V模型，以其革命性的优化技术，让仅拥有4GB显存的GPU也能流畅运行高...
在线可玩！智谱开源图生视频模型，网友直呼Amazing！
叨乐 发自 凹非寺量子位 | 公众号 QbitAI刚刚，智谱把清影背后的图生视频模型CogVideoX-5B-I2V给开源了！（在线可玩）一起开源的还有它的标注模型cogvlm2-llama3-caption。在实际应用中，CogVideoX-5B-I2V支持「一张...
今天深度学习了吗

32,092

社区成员

152

社区内容

发帖
与我相关
我的任务
社区描述
深度学习相关博客和资源~
人工智能图像处理深度学习 个人社区 浙江省·杭州市
社区管理员
  • 码流怪侠
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章