Logo
Project Icon

VideoTetris

创新视频生成技术 实现复杂语义精确组合

VideoTetris文本到视频生成组合式生成时空组合扩散长视频生成Github开源项目

VideoTetris是一个视频生成框架，采用时空组合扩散技术实现复杂文本语义的精确表达。通过操控去噪网络的注意力图，在空间和时间维度上控制视频生成。项目提出了视频数据预处理方法，提升了训练数据的动态性和提示理解能力。VideoTetris可生成10秒至2分钟或更长的视频，为复杂场景视频生成提供了新方案。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
Awesome-Video-Diffusion-Models - 视频扩散模型研究进展与开源资源综述
Github开源工具箱开源项目数据集文本到视频生成视频生成模型评估指标
本文综述了视频扩散模型领域的研究进展和开源资源。内容包括最新工具箱、基础模型、数据集和评估指标,涵盖文本到视频生成、视频编辑和理解等多个方向。文章系统梳理了该领域的关键技术和资源,为研究人员和开发者提供全面参考,有助于推动视频生成和处理技术的发展。
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。
T-GATE - 研究了在文本到图像扩散模型中的时序注意机制
GithubTGATE图像生成开源项目扩散模型自注意力跨注意力
TGATE项目研究了在文本到图像扩散模型中的时序注意机制。研究发现，交叉注意输出在几步推理后可以收敛到固定点，通过采用缓存和重用这些输出的方式，无需额外训练，即可提升现有模型的运行速度10%–50%。TGATE易于集成，提供快速图像生成，适用于CNN U-Net、Transformer和Consistency Model。
text2video - 文本转视频工具，实现小说可视化阅读
DockerGithubedge-ttshuggingfacestable-diffusion开源项目文本转视频
text2video 是一款将文本转换为视频的开源工具，支持小说等文本的可视化阅读。通过分段文本生成图片和语音，并合成为包含画面、字幕和声音的视频。应用了 stable-diffusion 和 edge-tts 技术，支持 Docker 一键启动和 macOS 本地开发。该工具还支持生成高质量的绘图提示词，利用 huggingface 的开源模型和 ffmpeg 进行音视频合成，操作简便，效果显著。
VideoLLaMA2 - 增强视频理解的多模态语言模型
AIGithubVideoLLaMA2多模态大语言模型开源项目视频理解
VideoLLaMA2是一款先进的视频语言模型,通过增强空间-时间建模和音频理解能力,提高了视频问答和描述任务的性能。该模型在零样本视频问答等多项基准测试中表现出色。VideoLLaMA2能处理长视频序列并理解复杂视听内容,为视频理解技术带来新进展。
FollowYourPose - 基于姿态和文本的自动视频生成技术
AAAI 2024AI生成Follow-Your-PoseGithub姿态控制开源项目文本生成视频
FollowYourPose项目提出了一种新方法，可以通过姿态和文本生成视频。该方法采用两阶段训练方案，利用易获取的数据集和预训练的文本到图像模型，生成可编辑且姿态可控的角色视频。第一阶段通过关键点图像对进行文本到图像的生成，第二阶段利用姿态自由视频数据集微调网络，成功生成连续的姿态可控角色视频，同时保留预训练模型的编辑和概念组合能力。
vivit-b-16x2-kinetics400 - ViViT 扩展Vision Transformer至视频分析领域的创新模型
GithubHuggingfaceViViT开源项目模型深度学习视觉变换器视频分类计算机视觉
ViViT是Arnab等人提出的视频视觉Transformer模型，将Vision Transformer的概念扩展到视频领域。这一模型主要应用于视频分类等任务的微调，在视频数据处理方面表现出色。ViViT为视频分析和理解开辟了新途径，为研究人员和开发者提供了进行视频相关任务开发的有力工具。该模型的出现推动了计算机视觉技术在视频领域的发展，为未来的视频智能分析奠定了基础。
AI-text-to-video-model-from-scratch - 从零开始使用Python构建小规模AI文本生成视频模型
ColabGANGithubOpenAIPythonStability AI开源项目
完整指南教你使用Python从零构建AI文本生成视频模型，详细介绍理论概念、GAN架构、代码实现和训练过程。了解如何在普通硬件上高效训练小规模模型，实现文本到视频的转换。
CogVideoX-5b-I2V - 开源图像到视频生成模型支持多种精度和量化推理
AI模型CogVideoXGithubHuggingface图像到视频开源项目模型深度学习视频生成
CogVideoX-5b-I2V是一个开源的图像到视频生成模型，参数规模为5B。该模型可生成6秒长、8帧/秒、720x480分辨率的视频，支持多种精度和量化推理。通过diffusers库可快速部署，单GPU运行时内存占用较低。模型提供量化推理功能，适用于小内存GPU，并可通过torch.compile加速。
stableVideo - 使用Stable Video Diffusion技术将图像和文本转换为短视频
AI工具AI视频生成Stability AIStable Video图像转视频文本转视频
stableVideo是基于Stable Video Diffusion模型的在线工具，可将图像或文本转换为短视频。支持16:9、9:16和1:1等常见宽高比，适合灵活创作。工具处理速度快，界面易用，适用于媒体、娱乐、教育和营销等领域。stableVideo为创作者提供了将静态概念转化为动态视觉内容的新方式。
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