May, 2024

从索拉所见：文本到视频生成的调查

PDF
TL;DR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。
artificial intelligenceartificial general intelligencesoratext-to-video generationchallenges
发现论文，激发创造
  • 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

  • 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

  • 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

  • Mora: 通过多代理框架实现通用视频生成

    该论文介绍了一个名为 Sora 的大规模通用视频生成模型，随后提出了一个新的多智能体框架 Mora，通过多个视觉 AI 代理来复制 Sora 展示的通用视频生成能力，成功模拟了 Sora 在各种任务中的视频生成能力，并希望通过合作的 AI 代理引导未来的视频生成方向。

    Mar, 2024

  • Sora 是否是世界模拟器？关于一般世界模型及其拓展的综述

    通过综述世界模型的最新进展，该研究探讨了世界模型在视频生成、自动驾驶以及部署在自主代理人中的关键作用，并讨论了其挑战、限制和未来发展方向。

    May, 2024

  • WorldGPT: 一个受 Sora 启发的视频 AI 代理，将文本和图像输入作为丰富的世界模型

    通过使用基于 Sora 的多模态学习，利用文本提示和相关图像来构建熟练的世界模型框架，该方法在维护时间一致性和确保动作流畅性方面表现出强大的效果和创新性。

    Mar, 2024

  • 检测像 Sora 这样的 AI 生成视频中的关键内容

    通过实验分析外观、运动和几何等方面，在外观、运动和几何等方面对比了真实世界的视频和由先进 AI 模型生成的视频，揭示了真实世界视频与合成视频之间的差距，并提出了集成外观、光流和深度信息的专家集合模型以进行假视频检测，提高了鲁棒性和泛化能力。

    Jun, 2024

  • AI 文本到图像和 AI 文本到视频生成器的调查

    通过调研文献并分析各项研究方法，该篇论文综述了文本到图像和文本到视频 AI 生成的前沿方法，包括数据预处理技术、神经网络类型以及评估指标。此外，论文还讨论了文本到图像和文本到视频 AI 生成的挑战、限制以及未来研究方向。总体而言，这些模型在视频制作、内容创作和数字营销等广泛应用领域具有巨大潜力。

    Nov, 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

  • 文本到图像生成的感知与现实

    本文研究了人们对于生成式人工智能中的文本到图像生成技术的看法和担忧，发现尽管参与者意识到技术所带来的风险与危险，却只有少数人认为技术对个人的风险，风险对于其他人来说更容易认识，而且参与者尤其认为艺术家是处于风险中的人群，未尝试过这项技术的参与者对其未来重要性的评价要低于尝试过的参与者，说明许多人仍然未察觉生成式人工智能的潜在个人风险及其所带来的社会变革。

    Jun, 2023