VEnhancer

提升文本到视频生成质量的时空增强框架

VEnhancer 视频生成空间时间增强 AI视频处理扩散模型 Github 开源项目

VEnhancer是一个时空增强框架，旨在提高文本到视频(T2V)生成模型的输出质量。该框架基于ControlNet结构，整合了预训练视频扩散模型的多帧编码器和中间块，构建可训练的条件网络。VEnhancer接收低分辨率关键帧和完整噪声潜在帧作为输入，通过噪声增强和下采样因子进行网络调节，从而生成更高质量、更连贯的视频内容。

访问官网

Github

Huggingface

介绍相关项目

CogVideoX-5b - 专家Transformer驱动的先进文本到视频生成模型

CogVideoXGithubHuggingface人工智能开源项目扩散模型文本到视频模型视频生成

CogVideoX-5b是基于专家Transformer的文本到视频生成模型。它可生成6秒720x480分辨率、8帧/秒的视频,支持226个token的英文提示输入。模型采用BF16精度,推理VRAM消耗低至5GB。通过多项优化,CogVideoX-5b在保持视觉质量的同时提高了推理速度,为视频生成研究与应用提供了有力工具。

awesome-video-generation - 全面汇集视频生成研究的前沿资源库

AI视频Github图像到视频开源项目扩散模型文本到视频视频生成

资源库系统整理视频生成领域的前沿研究论文和资源,包括文本生成视频、图像生成视频、个性化视频生成等多个方向。内容涵盖论文列表、链接、数据集、产品介绍和常见问题解答。这为研究人员和开发者提供了全面了解视频生成技术发展的专业参考。

MotionClone - 从参考视频克隆动作实现可控文本到视频生成

AI控制GithubMotionClone动作克隆开源项目文本到视频视频生成

MotionClone是一个无需训练的框架，通过从参考视频克隆动作来控制文本到视频的生成。该项目采用时间注意力机制和位置感知语义引导，有效处理微妙动作并提升生成模型的提示理解能力。MotionClone为视频创作和研究提供了全面的动作和语义指导工具，推动了可控视频生成技术的发展。

MuseV - 开源虚拟人视频生成框架支持无限长度输出

GithubMuseV并行降噪开源项目扩散模型无限长度虚拟人视频生成

MuseV是一个基于扩散模型的开源虚拟人视频生成框架。该框架支持无限长度视频生成，采用视觉条件并行去噪方案，兼容Stable Diffusion生态系统。MuseV支持图像到视频、文本到视频、视频到视频等多种生成模式，并提供多参考图像技术。该项目还开源了训练代码，为研究人员和开发者提供了完整的虚拟人视频生成解决方案。

FreeNoise - 通过噪声重新调度实现无调谐的更长视频传播

FreeNoiseGithubLongerCrafter噪声重排开源项目无调优视频生成

FreeNoise是一种基于噪声重调的无调参长视频生成方法，不需要调参，仅需增加不到20%的时间即可实现高质量、长时间视频生成，支持多达512帧。该方法兼容VideoCrafter2、AnimateDiff和LaVie等视频框架，支持单一和多提示词的文本转视频生成，最新支持256x256分辨率。详情请参见项目页面和arXiv论文。

FLAVR - 创新视频帧插值方法实现快速多帧预测

FLAVRGithub帧率提升开源项目深度学习视频插帧计算机视觉

FLAVR是一种新型视频帧插值方法，无需光流估计即可实现快速多帧预测。该方法采用特殊的编码器-解码器架构，结合时空卷积和通道门控，能有效捕捉复杂运动轨迹并生成高质量高帧率视频。相比现有技术，FLAVR在速度和准确性间取得更好平衡，为视频慢动作和帧率提升等应用提供新选择。

KandinskyVideo - 先进的开源文本到视频生成模型

GithubKandinsky Video 1.1人工智能开源模型开源项目文本生成视频视频生成技术

KandinskyVideo 1.1是一个开源的文本到视频生成模型，在EvalCrafter基准测试中表现突出。该模型采用三阶段生成流程：初始帧生成、关键帧生成和帧插值，有效提高了视频质量和内容连贯性。除了支持文本到视频转换，KandinskyVideo 1.1还能为输入图像添加动画效果。在视觉质量、文本-视频对齐、动作质量和时间连贯性等方面，该模型都展现出优秀性能，体现了开源文本到视频生成技术的最新发展。

Gen-L-Video - 无需额外训练实现多文本条件长视频生成和编辑

Gen-L-VideoGithub多文本条件开源项目无需预训练视频编辑长视频生成

Gen-L-Video是一种扩展短视频扩散模型的视频生成方法,能实现多文本条件下的长视频生成和编辑。该方法无需额外训练即可处理数百帧的视频,并保持内容一致性。Gen-L-Video支持多语义段视频生成、平滑语义变化和视频内容编辑等功能,为长视频处理提供了一种通用解决方案。

stable-diffusion-videos - 使用Stable Diffusion生成和编辑高质量视频的介绍

Githubstable-diffusion-videos使用方法安装开源项目视频制作音乐视频

本项目详细介绍了如何使用Stable Diffusion技术制作和编辑视频，支持在Colab环境中快速生成，并能添加音乐同步节奏。针对不同设备，项目提供多种数据类型支持，并具备简易操作界面和Real-ESRGAN超分辨率处理功能，显著提升画质，满足视频制作者的多样需求。

DynamiCrafter - 将开放域图像转化为动态视频的AI动画工具

AI动画DynamiCrafterGithub图像动画化开源项目视频插帧视频生成

DynamiCrafter是一个图像动画化项目,能够基于文本提示将静态图像转换为动态视频。该项目利用预训练的视频扩散模型,生成高分辨率、连贯性强的动画。除了基础的图像动画化功能,DynamiCrafter还支持故事视频生成、帧插值和循环视频生成等应用。该项目在ECCV 2024会议上进行了口头报告,并在多项图像到视频生成基准测试中表现出色。

相关项目

项目侧边栏1

项目侧边栏2

推荐项目

Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com

@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号