Stable Video Diffusion问世!3D合成功能引关注,网友:进步太快
代码权重已上线
西风 发自 凹非寺
量子位 | 公众号 QbitAI
Stable Diffusion官方终于对视频下手了——
发布生成式视频模型Stable Video Diffusion(SVD)。
Stability AI官方博客显示,全新SVD支持文本到视频、图像到视频生成:
并且还支持物体从单一视角到多视角的转化,也就是3D合成:
根据外部评估,官方宣称SVD甚至比runway和Pika的视频生成AI更受用户欢迎。
虽然目前只发布了基础模型,但官方透露“正计划继续扩展,建立类似于Stable Diffusion的生态系统”。
目前论文代码权重已上线。
最近视频生成领域不断出现新玩法,这次轮到Stable Diffusion下场,以至于网友们的第一反应就是“快”,进步太快!
但仅从Demo效果来说,更多网友们表示并没有感到很惊喜。
虽然我喜欢SD,而且这些Demo也很棒……但也存在一些缺陷,光影不对、而且整体不连贯(视频帧与帧之间闪烁)。
总归来说这是个开始,网友对SVD的3D合成功能还满是看好:
我敢打赌,很快就会有更好的东西出来,到时候只要描述一下,就会得到一个完整的3D场景。
SD视频官方版来袭
除了上面展示的,官方还发布了更多Demo,先来看一波:
太空漫步也安排上:
背景不动,只让两只鸟动也可以:
SVD的研究论文目前也已发布,据介绍SVD基于Stable Diffusion 2.1,用约6亿个样本的视频数据集预训练了基础模型。
可轻松适应各种下游任务,包括通过对多视图数据集进行微调从单个图像进行多视图合成。
微调后,官方公布的是两种图像到视频模型,可以以每秒3到30帧之间的自定义帧速率生成14(SVD)和25帧(SVD-XT)的视频:
之后又微调了多视角视频生成模型,叫做SVD-MV:
根据测试结果,在GSO数据集上,SVD-MV得分优于多视角生成模型Zero123、Zero123XL、SyncDreamer:
值得一提的是,Stability AI表示SVD目前仅限于研究,不适用于实际或商业应用。SVD目前也不是所有人都可以使用,但已开放用户候补名单注册。
视频生成大爆发
最近视频生成领域呈现出一种“混战”的局面。
前有PikaLabs开发的文生视频AI:
后又有号称“史上最强大的视频生成AIMoonvalley推出:
最近Gen-2的“运动笔刷”功能也正式上线,指哪画哪:
这不现在SVD又出现了,又有要卷3D视频生成的可能。
但文本到3D生成方面好像还没有太多进展,网友对这一现象也很是困惑。
有人认为数据是阻碍发展的瓶颈:
还有网友表示原因在于强化学习还不够强:
家人们对这方面的最新进展有了解吗?欢迎评论区分享~
论文链接:https://static1.squarespace.com/static/6213c340453c3f502425776e/t/655ce779b9d47d342a93c890/1700587395994/stable_video_diffusion.pdf
参考链接:
[1]https://stability.ai/news/stable-video-diffusion-open-ai-video-model
[2]https://news.ycombinator.com/item?id=38368287
- 腾讯3D大模型全面开源,文本图像10秒转3D资产,模型权重、推理代码全开放2024-11-05
- 鹅厂版AI笔记悄悄上线,微信公众号优质内容秒变专属知识库,实测在此2024-10-29
- 什么会影响大模型安全?NeurIPS’24新研究提出大模型越狱攻击新基准与评估体系2024-10-31
- o1推理将用于图像理解,现场演示2分钟开发应用,OpenAI在伦敦捅了开发者窝2024-10-31