两者的最佳结合:整合语言模型与扩散模型以生成视频

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

该研究提出了一种名为LanDiff的混合框架,旨在克服文本到视频生成中语言模型和扩散模型的局限性。LanDiff通过粗到细的生成方法有效整合两者优势,在多个基准测试中表现优异,尤其在长视频生成方面超越了现有模型。

🏷️

标签

➡️

继续阅读