Video Diffusion Transformer

国内高校打造类Sora模型VDT，通用视频扩散Transformer被ICLR 2024接收

2 月 16 日，OpenAI Sora 的发布无疑标志着视频生成领域的一次重大突破。Sora 基于 Diffusion Transformer 架构，和市面上大部分主流方法（由 2D Stable Diffusion 扩展）并不相同。为什么 Sora 坚持使用 Diffusion Transformer，其中的原因从同时期发表在 ICLR 2024（VDT: General-purpose Video Diffusion Transformers via Mask Modeling）的论文可以窥见一二。这项工作由

2/25/2024 7:36:00 PM

机器之心

资讯热榜

昆仑万维面向全球发布天工超级智能体Skywork Super Agents 超多案例！让 Lovart 作图更好看更高效的提示词在这里了！ Flowith NEO发布！全球首款无限步骤、上下文与工具的AI Agent 昆仑万维天工超级智能体发布！AI Office革命来袭，Deep Research碾压OpenAI，成本仅40%！ Meta 发布巨型 AI 化学数据集 OMol25及通用模型 UMA 谷歌发布Flow AI剪辑工具：Veo3 与Imagen4 驱动、镜头控制与场景扩展 YouTube 推出 AI 广告新利器“Peak Points”，Gemini 精准捕捉用户注意力 DeepSeek-V3 发布新论文，揭示低成本大模型训练的奥秘

标签云

人工智能 AI OpenAI AIGC ChatGPT 模型 DeepSeek AI绘画机器人数据谷歌大模型 Midjourney 用户智能开源微软学习 GPT Meta 图像 AI创作技术 Gemini 论文马斯克 Stable Diffusion 算法代码芯片生成式英伟达蛋白质开发者腾讯神经网络 Anthropic 研究 3D 计算 Sora 机器学习 AI设计 AI for Science 生成苹果 GPU AI视频搜索场景华为百度训练人形机器人预测伟达 Claude xAI 深度学习 Transformer 大语言模型字节跳动模态智能体文本具身智能神器推荐 Copilot 驾驶 LLaMA 视觉算力 API 应用安全干货合集大型语言模型视频生成 Agent 工具