Vidu把背后的技术论文公开了,想找人一起啃,有已经读完的吗?
平时我基本只调接口,国产视频模型大多是黑箱,发布会把效果讲一圈就没下文了。这回官方自己出来讲实现思路,挺难得,对照着它宣称的能力,大概能弄明白为什么有的镜头运动很稳、有的又会崩。
我最想搞清楚的是时序一致性那部分怎么处理,人物走两步脸就变,这是现在生成视频最容易穿帮的地方。我这边得等有空才能细看,读完会单开一帖拆能落到实操的部分。谁先看完了,麻烦先来讲讲核心思路,感激
1 个赞
蹲一个论文精读
时序一致性这块最想看它怎么解的
时序那块我也最想看，发布会讲一百遍稳定，不如论文里一张消融表