刚看到Vidu把背后的技术论文公开了。对我们这种平时只调接口的人来说,能看到官方自己讲实现思路还是挺难得的,大部分国产视频模型都是黑箱,发布会讲一堆效果就没了下文。有论文至少能对照它宣称的能力去理解为什么某些镜头运动稳、某些又会崩。
我更关心的是它论文里对时序一致性那块怎么处理的,这恰恰是目前生成视频最容易穿帮的地方——人物走两步脸就变了。等有空把论文啃一遍,回头开个帖子拆一下里面能落到实操的部分。谁先读完的可以先来交流下核心思路。
1 个赞
蹲一个论文精读
国产肯放论文的确实少见
时序一致性这块最想看它怎么解的
黑箱看多了,有篇正经paper反而稀奇