视频模型

文本到视频（T2V）生成模型近年来取得了显著进展，能够生成高质量的合成视频。然而，这些模型在将合成视频与人类偏好（例如，准确反映文本描述）对齐方面仍然存在不足。复旦大学、上海人工智能科学院和阿德莱德大...

随着视频生成模型的发展，基于DiT架构如 Sora 和 MM-DiT 在单提示视频生成任务中取得了显著进展。然而，这些模型在处理多个顺序提示时面临诸多挑战，难以生成连贯且自然过渡的场景。具体来说： 严...

可控的人体图像动画旨在使用驱动视频从参考图像生成视频。为了确保运动对齐，最近的工作尝试引入额外的密集条件（例如，深度图），但这些方法在参考角色的体型与驱动视频中的体型显著不同时，可能会损害生成视频的质...

ltx-video-0.9-vae-finetune 是由开发者 spacepxl 基于 LTX Video 0.9 VAE 进行的微调VAE模型，旨在解决该模型中常见的棋盘伪影问题。通过专注于解码器...

Rhymes AI之前开源了视频生成模型Allegro，近期它们又推出了Allegro-TI2V。作为原始Allegro模型的迭代，Allegro-TI2V提供了前所未有的能力，将文本描述和图像转化为...

由北大-兔展AIGC联合实验室共同发起的Open-Sora Plan，目标是复现OpenAI的Sora模型。这是一个开源的大型视频生成模型项目，旨在基于多种用户输入生成高分辨率、长时长的理想视频。该项...

香港科技大学(广州)和 Adob​​e 研究的研究人员推出一种先进的文本到视频生成方法 TransPixar，特别专注于生成包含透明度通道（Alpha Channel）的RGBA视频，也就是能够通过文...

CogVideoXXX1.5-5B-I2V LoRA NSFW 是一个基于 CogVideoX1.5-5B 的LoRA模型，专门针对NSFW内容进行了训练。该模型在处理NSFW内容时表现出色，但也具备...

InfiniteZoom-Mochi是一个视频生成模型Mochi的LoRA，专注于无限缩放艺术风格。无限缩放艺术风格是一种独特的视觉效果，通过不断放大图像的某个部分，创造出一种无限深入的感觉。应用此L...

复旦大学、百度的研究人员对再次对Hallo 进行了更新，提出了 Hallo3框架，在通过预训练的基于变换器的视频生成模型（Cogvidex），解决现有肖像图像动画技术在处理非正面视角、渲染肖像周围动态...

香港大学和字节跳动的研究人员推出新型图像和视频生成模型家族Goku，它基于修正流Transformer 架构，实现了行业领先的图像和视频联合生成性能。Goku 的目标是通过高质量的视觉内容生成，推动媒...

阿里通义实验室 Wan 团队近日推出了一款专为视频创建和编辑设计的一体化视频编辑框架——VACE。该框架集成了多种视频任务，包括参考到视频生成（R2V）、视频到视频编辑（V2V）和蒙版视频到视频编辑...