BriefGPT - AI 论文速递 · 2024-02-21T00:00:00Z

2D Triplane 和 3D 小波表示的混合视频扩散模型

📝

内容提要

本文介绍了一种基于转换器的W.A.L.T方法，用于逼真视频生成。通过因果编码器在统一的潜在空间中联合压缩图像和视频，并使用窗口注意力架构进行联合空间和时空生成建模，实现了最先进的性能。同时，还训练了三个模型的串联，用于文本到视频生成任务。

🏷️

标签

小波 扩散模型