xGen-VideoSyn-1：高保真文本到视频合成与压缩表示
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了文本到视频生成过程中高计算成本的问题，提出了一种基于潜在扩散模型的高效视频生成方法。通过引入视频变分自编码器(VidVAE)和分段合并策略，优化了视频数据的处理，并保持临时一致性。实验结果表明，xGen-VideoSyn-1在生成720p视频时具备竞争力的性能，推动了文本到视频合成技术的发展。
LaVie是一个整合的视频生成框架，利用预训练的文本到图像模型生成高质量的文本到视频模型。LaVie通过时间自注意机制和联合图像-视频微调生成逼真且时间连贯的视频，并保留预训练模型的创造性。经实验证明，LaVie在性能上表现出色，适用于长视频生成和个性化视频合成应用。
