text-to-video models | BriefGPT

关键词text-to-video models

搜索结果 - 9

GAIA: AI 生成视频行动质量评估的重新思考
通过从因果推理的新颖视角进行大规模主观评估，我们构建了一个通用的人工智能生成动作数据集 GAIA，用以评估文本到视频模型在生成视觉合理的动作方面的能力。结果显示，传统的动作质量评估方法、近期 T2V 基准中与动作相关的指标以及主流的视频质量
PDF24 days ago
TALC: 多场景文本到视频生成的时间对齐字幕
我们介绍一种称为 Time-Aligned Captions（TALC）框架的方法，通过增强文本条件机制，使得文本到视频（T2V）模型能够生成符合多场景文本描述的多场景视频，并且在视觉上具有一致性。通过使用 TALC 框架对预训练的 T2V
PDF2 months ago
CameraCtrl: 文本到视频生成的相机控制功能
本研究介绍了 CameraCtrl 模型，通过精确控制相机姿态来实现对 T2V 模型的准确控制，研究结果表明，多样的相机分布和相似的外观确实提高了可控性和泛化性，这一成果在实现从文本和相机姿态输入到动态定制视频叙事方面迈出了一步。
PDF3 months ago
EffiVED: 基于文本指令扩散模型的高效视频编辑
EffiVED 是一种基于扩散的高效模型，支持指导视频编辑；采用图像编辑数据集和开放世界视频转化为高质量数据集进行训练；实验证明 EffiVED 生成高质量编辑视频且执行速度快，并且数据收集方法显著改善编辑性能，有望解决视频编辑数据的稀缺问
PDF4 months ago
UniCtrl：通过无需训练的统一注意力控制提升文本到视频扩散模型的时空一致性
通过引入 UniCtrl 方法，我们解决了使用文本提示作为控制条件时保持一致性的挑战，提升了文本到视频模型生成的视频的时空一致性和运动多样性，实验证实了其效果和普适性。
PDF4 months ago
走向更好的文本到视频生成度量
本文研究现有评估指标的局限性，并引入一种新的评估方法，即 Text-to-Video Score (T2VScore)，该指标综合考虑了文本 - 视频对齐和视频质量两个关键要素。同时，我们提出了 TVGE 数据集，以评估和促进未来改进文本到
PDF6 months ago
4D-fy: 使用混合分数蒸馏抽样实现文本到 4D 生成
使用混合得分蒸馏取样的方法，我们展示了具有引人注目外观、3D 结构和动态的 4D 场景的合成。
PDF7 months ago
衡量文本 - 视频模型输出的质量：指标和数据集
我们评估了常用质量度量，比较它们与人工评估在包含 1000 多个生成的 T2V 视频的数据集上的表现。结论是，在评估 T2V 模型输出时，自然性和语义匹配是重要因素，但没有一种单一度量可以捕捉这些微妙之处。
PDF10 months ago
文本到视频模型的概率适应
探索如何适应大规模预训练的文本到视频模型到多个下游领域和任务而无需微调的问题，我们提出了 Video Adapter，它利用了大型预训练视频扩散模型的分数函数作为概率先验来指导任务特定的小型视频模型的生成，实验结果表明 Video Adap
PDFa year ago