May, 2024

影响用户使用 SORA 的因素

PDF
TL;DRSora 重新定义了视觉内容的创建方式。本研究通过引入感知逼真度和创新价值，扩展了 UTAUT2 对用户使用文本到视频 (T2V) 模型的意愿的理解。研究结果表明，所有假设的关系都得到支持，感知逼真度是最具影响力的驱动因素，其次是创新价值。此外，模糊集定性比较分析 (fsQCA) 识别出五种推动高和低使用意愿的配置，该模型具有较高的预测效度，促进了理论的进展。本研究为开发者和营销人员提供了有价值的见解，为推广 T2V 模型的广泛采用提供了指导。
发现论文，激发创造
  • 评估美国对有条件自动驾驶车辆的公众接受度

    研究报告对美国的智能城市中的有条件自动驾驶汽车（SAE 3 级）的公众接受度进行了调查，并采用 UTUAT2 模型分析了这一问题。研究发现，社会影响、性能期望、享乐动机、促进条件和努力期望依次是决定该技术接受程度的重要因素。此外，享乐动机、社会影响、促进条件和努力期望对技术的实用性感知有积极影响；促进条件、享乐动机和社会影响对努力期望有积极影响；社会影响和促进条件对享乐动机有积极影响；社会影响对促进条件有积极影响。此外，性别对享乐动机对采用意愿的影响具有调节效应，男性更受享乐动机影响。

    Feb, 2024

  • Sora 作为 AGI 世界模型？关于文本转视频生成的全面调查

    文本到视频生成技术的进展与 Sora 模型的发展路径和应用，以及技术挑战与未来改进方向进行全面探讨，旨在促进文本到视频生成领域的创新与讨论。

    Mar, 2024

  • Sora 检测器：针对大型文字视频模型的统一幻想检测

    为了解决文本到视频（T2V）生成模型中的幻觉问题，本研究引入了一种名为 SoraDetector 的新型统一框架，通过对幻觉现象的综合分析和关键帧提取技术，利用多模式大型语言模型构建静态和动态知识图，在单帧和多帧中检测幻觉，并通过自动化工具生成完整的视频质量报告。同时，还开发了一个用于评估 T2V 幻觉检测进展的元评估基准 T2VHaluBench，并通过在 Sora 和其他大型 T2V 模型生成的视频上进行广泛实验，证明了我们的方法在准确检测幻觉方面的有效性。

    May, 2024

  • 文本至视频生成 AI 模型的新兴治理挑战：Sora 的非凡与可怕

    通过定性社交媒体分析人们对 Sora OpenAI 模型的感知影响和关注进行研究，发现人们最关注 Sora 对内容创作相关产业的影响以及监管方面的挑战，包括 AI 生成内容的真实性与虚假性、人类自主权、数据隐私、版权问题和环境影响等。为了在 Sora 公开发布之前进行调节，我们提出了政策建议，包括 AI 内容标注的法律限制和公众 AI 素养教育。

    Apr, 2024

  • Sora: 大尺度视觉模型的背景、技术、限制和机遇综述

    This paper provides a comprehensive review of the Sora text-to-video generative AI model, including its background, applications, challenges, and future directions.

    Feb, 2024

  • 利用 KeyBERT 和 SNA 探索自主车辆政策的接受度：针对工程学生

    本研究通过改进的文本挖掘方法探索用户对自动驾驶汽车政策的接受程度。研究结果表明，使用基于关键词提取和上下文相似度的文本挖掘方法进行分析可以更好地了解用户的声音以及成功部署自动驾驶汽车所面临的潜在风险。

    Jul, 2023

  • Sora 以惊人的几何一致性生成视频

    通过将生成的视频转化为 3D 模型，以 3D 重建的准确性作为衡量标准，本文提出了一种用于评估生成视频质量的基于真实世界物理规则的新基准方法。

    Feb, 2024

  • 从索拉所见：文本到视频生成的调查

    通过对 Sora 进行文本到视频生成的拆解以及文献综述，我们从不同角度对其进行了全面回顾，总结了人工智能和人工一般智能的发展现状，介绍了常用的数据集和评估指标，并提出了该领域的挑战和未来研究方向。

    May, 2024

  • 签署虚拟人物的可预测性因素在跨文化环境中是否具有普遍性？

    本研究考察了 Avatar 技术对不同文化中的聋人使用者态度产生影响的内在和外在因素，并设计调查问卷对摩洛哥手语使用者对 Avatar 技术的态度进行了测量，研究结果与其他相关研究进行了比较。

    Jul, 2023

  • 基于偏最小二乘结构方程模型的教育中聊天机器人用户感知分析

    研究通过部分最小二乘结构方程模型（PLS-SEM）调查了学生对教育中聊天机器人采纳的决定因素，考虑了技术准备指数（TRI）和技术接受模型（TAM），结果表明乐观和创新与感知易用性和感知有用性呈正相关，而不适和不安全对感知易用性有负面影响，只有不安全对感知有用性有负面影响。这些发现为未来的技术设计者提供了洞察力，阐明了影响教育环境中聊天机器人采纳和利用的关键用户行为因素。

    Nov, 2023