宝玉的分享 · 2024-02-15T20:10:00Z 视频生成模型：构建虚拟世界的模拟器 [译] 💡 原文中文，约9100字，阅读约需22分钟。 📝 内容提要 该文章介绍了一种基于文本条件的扩散模型，用于生成不同特征的视频和图像。模型采用了Transformer架构，并通过压缩视频数据和提取时空补片进行训练。研究结果显示，该模型是实现模拟物理世界的通用工具的有前途的一步。文章还介绍了Sora模型的能力和局限性，并探讨了视频模型的发展前景。 🏷️ 标签 Sora模型 Transformer架构 扩散模型 文本条件 模拟器 视频生成 阅读原文 生成长图 分享链接 已复制链接
