Open main menu
IT人
超10秒高解析度,北大Open Sora影片生成更強了,還支援華為晶片
机器之心
發表於
2024-04-08
Sora
晶片
北大團隊聯合兔展發起的 Sora 復現計劃,現在有了新成果。
OpenAI 在今年年初扔出一項重大研究,Sora 將
影片生成
帶入一個新的高度,很多人表示,現在的 OpenAI 一出手就是王炸。然而,眾多周知的是,OpenAI 一向並不 Open,關於 Sora 的更多細節我們無從得知。誰能率先發布類 Sora 研究成了一個熱門話題。
今年 3 月初,北大團隊聯合兔展啟動了 Sora 復現計劃 ——Open Sora Plan,該專案希望透過開源社群的力量復現 Sora。
專案上線一個月,星標量已經達到 6.6k。
專案地址:https://github.com/PKU-YuanGroup/Open-Sora-Plan
技術報告:https://github.com/PKU-YuanGroup/Open-Sora-Plan/blob/main/docs/Report-v1.0.0.md
現在這個專案終於有了新成果,Open-Sora-Plan v1.0.0 來了,新研究顯著增強了
影片生成
的質量以及對文字的控制能力。研究者表示,他們正在訓練更高解析度(>1024)以及更長時間(>10s)的影片。目前該專案已支援國產 AI 晶片(
華為
昇騰 910b)進行推理,下一步將支援國產算力訓練。
專案作者林彬表示:Open-Sora-Plan v1.0.0 可以生成1024×1024解析度影片,也能生成10 秒、24 FPS 的高畫質影片。而且它還能夠生成高解析度影像。
下面我們看一下 v1.0.0 的效果(為了展示,動圖進行了一些壓縮,會損失一些質量)。
文字到
影片生成
提示:海上的日落。
提示:黎明時分,寧靜的海灘,海浪輕輕拍打著海岸,天空被塗上柔和的色調......
提示:沿海景觀從日出到黃昏過渡的延時拍攝……
文字到
影片生成
的更多效果展示:
文字到影像生成
(512×512 )
影片重建(720×1280)
影像重建
(1536×1024):
在實現細節方面,透過團隊放出的技術報告,我們得知模型架構 CausalVideoVAE 概覽圖如下所示:
CausalVideoVAE 架構繼承自 Stable-Diffusion Image VAE。為了保證 Image VAE 的預訓練
權重
能夠無縫應用到 Video VAE 中,模型結構設計如下:
CausalConv3D:將 Conv2D 轉換為 CausalConv3D,可以實現影像和影片資料的聯合訓練。CausalConv3D 對第一幀進行特殊處理,因為它無法訪問後續幀。
初始化:Conv2D 擴充套件到 Conv3D 常用的方法有兩種:平均初始化和中心初始化。但本文采用了特定的初始化方法 tail 初始化。這種初始化方法確保模型無需任何訓練就能夠直接重建影像,甚至影片。
訓練細節:
上圖展示了 17×256×256 下兩種不同初始化方法的損失曲線。黃色曲線代表使用 tail init 損失,而藍色曲線對應中心初始化損失。如圖所示,tail 初始化在損失曲線上表現出更好的效能。此外,該研究發現中心初始化會導致錯誤累積,導致在長時間內崩潰。
訓練擴散模型。與之前的工作類似,該研究採用了多階段級聯訓練方法,總共消耗了 2048 A800 GPU 小時。研究發現,影像聯合訓練顯著加速了模型
收斂
並增強了視覺
感知
,這與 Latte 的研究結果一致。
不過,目前釋出的 CausalVideoVAE(v1.0.0)有兩個主要缺點:運動模糊和網格效果。團隊正在改進這些缺點,後續版本很快就會上線。
最後附上團隊完整名單:
相關文章
OpenAI未至,Open-Sora再度升級!已支援生成16秒720p影片
2024-04-25
OpenAI
Sora
Open-Sora全面開源升級:支援16s影片生成和720p解析度
2024-04-25
Sora
Open Sora 釋出!開源的高效復現類 Sora 影片生成方案
2024-03-20
Sora
影片生成SORA隨想
2024-04-25
Sora
一個支援Sora模型文字生成影片的Web客戶端
2024-02-26
Sora
模型
Web
客戶端
Sora 時代的 AI 影片生成何去何從?
2024-03-07
Sora
AI
文生影片Sora模型釋出,是否引爆AI晶片熱潮
2024-02-29
Sora
模型
AI晶片
讓Sora東京女郎唱歌、高啟強變聲羅翔,阿里人物口型影片生成絕了
2024-02-29
Sora
阿里
Sora Opera:天圖萬境聯合華為雲共築AI生成式影片音效新高度
2024-03-15
Sora
AI
刷爆了!BAT這場AI晶片之戰,你更支援誰?
2019-10-16
BAT
AI晶片
沒等來OpenAI,等來了Open-Sora全面開源
2024-03-18
OpenAI
Sora
全日程釋出|Sora之後的影片生成技術與應用
2024-04-01
Sora
當前最強國產Sora!清華團隊突破16秒長影片,懂多鏡頭語言,會模擬物理規律
2024-04-28
Sora
「音樂界Sora」Udio來了:前DeepMind員工創業,比Suno可定製性更強
2024-04-16
Sora
創業
WorldGPT來了:打造類Sora影片AI智慧體,「復活」圖文
2024-03-21
GPT
Sora
AI
智慧體
超強4K高畫質影片動態桌布:Dynamic Wallpaper v13.8
2023-03-31
手機晶片誰是AI之王?高通、聯發科均超華為
2019-02-12
晶片
AI
售價比iPhone還貴!華為Mate 20釋出:超強三攝成最大賣點
2018-10-17
iPhone
超強全能影片播放器Infuse Pro for Mac
2023-05-16
播放器
Mac
攻陷短影片後,Sora將需要72萬塊H100 GPU
2024-04-06
Sora
GPU
華為Watch 2與蘋果 Series 2對比 誰更強?
2017-03-07
蘋果
華為推出新型HiSR:移動端的超解析度演算法
2017-11-24
演算法
全球晶片公司營收二十強:華為未上榜、臺積電第三
2016-11-24
晶片
營收
Sora爆紅影片幕後:被騙了,用了成噸的後期才有這效果
2024-04-29
Sora
Qemu 3。0(超小虛擬機器,新版支援中文了)(強烈要求加精~!~!)(轉)
2007-08-17
虛擬機
全景VR相機眾籌 支援4K解析度3D影片
2017-01-20
VR
3D
蘇姿豐確認 RX 7000 顯示卡帶來新功能,支援高解析度、高幀率遊戲
2022-11-03
遊戲
[轉]PhpStorm 超強語言模板的支援
2013-12-24
PHP
ORM
3種生成高強度密碼的方法
2019-07-08
密碼
使用命令列生成高強度密碼
2016-11-07
命令列
密碼
基於DiT,支援4K影像生成,華為諾亞0.6B文生圖模型PixArt-Σ來了
2024-03-11
模型
ESRGAN:基於GAN的增強超解析度方法(附程式碼解析)
2019-01-18
人大系多模態模型邁向AGI:首次實現自主更新,寫真影片生成力壓Sora
2024-04-29
模型
Sora
Haiper:免費AI影片工具,媲美Sora (附使用教程)
2024-04-09
AI
Sora
華為釋出業界首款5G基站核心晶片:天罡晶片,實現基站尺寸縮小超50%!
2019-01-24
晶片
46秒AI生成真人影片爆火,遭線上打假「換口型、聲音」
2024-03-28
AI
短影片直播系統,實現高併發秒殺的多種方式
2024-04-20
華為榮耀v10相機超級夜景使用教程 華為榮耀v10超級夜景怎麼用?
2018-09-13