


Die Wirkung ist explosiv! Das erste Videogenerierungsmodell von OpenAI wurde veröffentlicht, flüssig und hochauflösend in 1 Minute, Internetnutzer: Die gesamte Branche ist RIP
Gerade hat Ultraman das erste Videogenerierungsmodell von OpenAI veröffentlicht: Sora.
Erbt perfekt die Bildqualität und die Befehlsverfolgungsfunktionen von DALL·E 3 und kann hochauflösende Videos mit einer Länge von bis zu 1 Minute erstellen.
Das von der KI vorgestellte Frühlingsfest des Jahres des Drachen, mit wehenden roten Fahnen und riesigen Menschenmengen.
Viele Kinder schauten neugierig dem Drachentanzteam zu, und einige Leute zückten ihre Mobiltelefone, um das unterschiedliche Verhalten der Menschen aufzuzeichnen.
Die Straßen von Tokio nach dem Regen, der nasse Boden ReflexionDer Neonlicht-Schatteneffekt ist vergleichbar mit RTX ON.
Das Fenster des fahrenden Zuges ist gelegentlich blockiert und das Spiegelbild der Menschen im Waggon erscheint kurz, was sehr beeindruckend ist.
Sie können sich auch einen Filmtrailer mit der Qualität eines Hollywood-Blockbusters ansehen:
Aus der supernahen Perspektive der vertikalen Leinwand ist diese Eidechse voller Details:
Netizens nennen es „Game Over, Arbeit ist zu viel“ Verloren:
Einige Leute haben sogar begonnen, um eine ganze Branche zu „trauern“:
KI versteht die physische Welt in Bewegung
OpenAI gab an, dass es ist Der KI beibringen, die physische Welt in Bewegung zu verstehen und zu simulieren Ziel ist es, Modelle zu trainieren, um Menschen bei der Lösung von Problemen zu helfen, die eine Interaktion in der realen Welt erfordern.
Das Generieren von Videos basierend auf Textaufforderungen ist nur ein Schritt des gesamten Plans.
Derzeit kann Sora komplexe Szenen mit mehreren Charakteren und spezifischen Bewegungen generieren Es kann nicht nur die von Benutzern in Eingabeaufforderungen gestellten Anforderungen verstehen, sondern auch verstehen, wie diese Objekte in der physischen Welt existieren.
Sora kann auch mehrere Aufnahmen in einem einzigen Video erstellen und sich auf sein tiefes Verständnis der Sprache verlassen, um Stichworte genau zu interpretieren und dabei Charakter und visuellen Stil zu bewahren.
Das wunderschöne, verschneite Tokio ist voller Menschen. Die Kamera bewegt sich durch die belebten Straßen der Stadt und folgt mehreren Menschen, die einen wunderschönen verschneiten Tag genießen und an nahegelegenen Ständen einkaufen. Die wunderschönen Kirschblütenblätter flattern zusammen mit den Schneeflocken im Wind.
OpenAI scheut sich nicht vor Soras aktuellen Schwächen und weist darauf hin, dass es möglicherweise schwierig ist, die physikalischen Prinzipien komplexer Szenen genau zu simulieren, und möglicherweise nicht in der Lage ist, Ursache-Wirkungs-Beziehungen zu verstehen .
Zum Beispiel: „Fünf graue Wolfswelpen spielten und jagten einander auf einer abgelegenen Schotterstraße.“ Die Anzahl der Wölfe wird sich ändern und einige werden aus dem Nichts auftauchen oder verschwinden.
Das Modell kann auch die räumlichen Details der Hinweise verschleiern , wie z. B. die Verwechslung von links und rechts, und kann Schwierigkeiten haben, Ereignisse im Zeitverlauf genau zu beschreiben , wie z. B. das Verfolgen einer bestimmten Kamerabahn.
Zum Beispiel wird bei dem Aufforderungswort „Der Basketball geht durch den Korb und explodiert“ der Basketball nicht richtig vom Korb blockiert.
In Bezug auf die Technologie hat OpenAI derzeit nicht viel preisgegeben. Eine kurze Einführung lautet wie folgt:
Sora ist ein Diffusionsmodell, das ausgehend von Rauschen das gesamte Video auf einmal generieren oder die Länge des Videos verlängern kann.
Der Schlüssel besteht darin, dass Vorhersagen für mehrere Bilder gleichzeitig generiert Das Motiv des Bildes kann auch dann erkannt werden, wenn es vorübergehend das Sichtfeld verlässt. Kann unverändert bleiben. Ähnlich wie das GPT-Modell verwendet Sora die Transformer-Architektur, die hoch skalierbar ist.
In Bezug auf die Daten stellt OpenAI Videos und Bilder als Patches dar, ähnlich wie Tokens in GPT.
Mit dieser
einheitlichen Datendarstellung können Modelle auf einem breiteren Spektrum an visuellen Daten als zuvor trainiert werden, die unterschiedliche Dauern, Auflösungen und Seitenverhältnisse abdecken. Sora baut auf früheren Forschungen zu DALL·E- und GPT-Modellen auf. Es nutzt die Restatement-Prompt-Word-Technologie von DALL·E 3, um aussagekräftige Anmerkungen für visuelle Trainingsdaten zu generieren, sodass es den Textanweisungen des Benutzers besser folgen kann.
Neben der Möglichkeit, Videos ausschließlich auf Basis von Textanweisungen zu generieren, ist das Modell auch in der Lage, vorhandene statische Bilder aufzunehmen und daraus Videos zu generieren, wobei der Bildinhalt präzise animiert wird und auf kleine Details geachtet wird.
Das Modell kann auch ein vorhandenes Video aufnehmen und es erweitern oder fehlende Frames ergänzen. Weitere Informationen finden Sie im technischen Dokument
(wird später veröffentlicht). Sora ist die Grundlage für Modelle, die die reale Welt verstehen und simulieren können. OpenAI ist davon überzeugt, dass diese Funktion ein wichtiger Meilenstein bei der Erreichung von AGI sein wird.
Ultraman nimmt Bestellungen online entgegen
Eine Reihe bildender Künstler, Designer und Filmemacher
(sowie OpenAI-Mitarbeiter)haben bereits Zugang zu Sora erhalten. Sie begannen, kontinuierlich neue Werke zu veröffentlichen, und Ultraman begann auch, Bestellungen online entgegenzunehmen.
Geben Sie Ihr Aufforderungswort @sama ein und Sie erhalten möglicherweise eine generierte Videoantwort.
Das obige ist der detaillierte Inhalt vonDie Wirkung ist explosiv! Das erste Videogenerierungsmodell von OpenAI wurde veröffentlicht, flüssig und hochauflösend in 1 Minute, Internetnutzer: Die gesamte Branche ist RIP. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen





0.Was bewirkt dieser Artikel? Wir schlagen DepthFM vor: ein vielseitiges und schnelles generatives monokulares Tiefenschätzungsmodell auf dem neuesten Stand der Technik. Zusätzlich zu herkömmlichen Tiefenschätzungsaufgaben demonstriert DepthFM auch hochmoderne Fähigkeiten bei nachgelagerten Aufgaben wie dem Tiefen-Inpainting. DepthFM ist effizient und kann Tiefenkarten innerhalb weniger Inferenzschritte synthetisieren. Lassen Sie uns diese Arbeit gemeinsam lesen ~ 1. Titel der Papierinformationen: DepthFM: FastMonocularDepthEstimationwithFlowMatching Autor: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

Stellen Sie sich ein Modell der künstlichen Intelligenz vor, das nicht nur die Fähigkeit besitzt, die traditionelle Datenverarbeitung zu übertreffen, sondern auch eine effizientere Leistung zu geringeren Kosten erzielt. Dies ist keine Science-Fiction, DeepSeek-V2[1], das weltweit leistungsstärkste Open-Source-MoE-Modell, ist da. DeepSeek-V2 ist ein leistungsstarkes MoE-Sprachmodell (Mix of Experts) mit den Merkmalen eines wirtschaftlichen Trainings und einer effizienten Inferenz. Es besteht aus 236B Parametern, von denen 21B zur Aktivierung jedes Markers verwendet werden. Im Vergleich zu DeepSeek67B bietet DeepSeek-V2 eine stärkere Leistung, spart gleichzeitig 42,5 % der Trainingskosten, reduziert den KV-Cache um 93,3 % und erhöht den maximalen Generierungsdurchsatz auf das 5,76-fache. DeepSeek ist ein Unternehmen, das sich mit allgemeiner künstlicher Intelligenz beschäftigt

KI verändert tatsächlich die Mathematik. Vor kurzem hat Tao Zhexuan, der diesem Thema große Aufmerksamkeit gewidmet hat, die neueste Ausgabe des „Bulletin of the American Mathematical Society“ (Bulletin der American Mathematical Society) weitergeleitet. Zum Thema „Werden Maschinen die Mathematik verändern?“ äußerten viele Mathematiker ihre Meinung. Der gesamte Prozess war voller Funken, knallhart und aufregend. Der Autor verfügt über eine starke Besetzung, darunter der Fields-Medaillengewinner Akshay Venkatesh, der chinesische Mathematiker Zheng Lejun, der NYU-Informatiker Ernest Davis und viele andere bekannte Wissenschaftler der Branche. Die Welt der KI hat sich dramatisch verändert. Viele dieser Artikel wurden vor einem Jahr eingereicht.

Boston Dynamics Atlas tritt offiziell in die Ära der Elektroroboter ein! Gestern hat sich der hydraulische Atlas einfach „unter Tränen“ von der Bühne der Geschichte zurückgezogen. Heute gab Boston Dynamics bekannt, dass der elektrische Atlas im Einsatz ist. Es scheint, dass Boston Dynamics im Bereich kommerzieller humanoider Roboter entschlossen ist, mit Tesla zu konkurrieren. Nach der Veröffentlichung des neuen Videos wurde es innerhalb von nur zehn Stunden bereits von mehr als einer Million Menschen angesehen. Die alten Leute gehen und neue Rollen entstehen. Das ist eine historische Notwendigkeit. Es besteht kein Zweifel, dass dieses Jahr das explosive Jahr der humanoiden Roboter ist. Netizens kommentierten: Die Weiterentwicklung der Roboter hat dazu geführt, dass die diesjährige Eröffnungsfeier wie Menschen aussieht, und der Freiheitsgrad ist weitaus größer als der von Menschen. Aber ist das wirklich kein Horrorfilm? Zu Beginn des Videos liegt Atlas ruhig auf dem Boden, scheinbar auf dem Rücken. Was folgt, ist atemberaubend

Anfang dieses Monats schlugen Forscher des MIT und anderer Institutionen eine vielversprechende Alternative zu MLP vor – KAN. KAN übertrifft MLP in Bezug auf Genauigkeit und Interpretierbarkeit. Und es kann MLP, das mit einer größeren Anzahl von Parametern ausgeführt wird, mit einer sehr kleinen Anzahl von Parametern übertreffen. Beispielsweise gaben die Autoren an, dass sie KAN nutzten, um die Ergebnisse von DeepMind mit einem kleineren Netzwerk und einem höheren Automatisierungsgrad zu reproduzieren. Konkret verfügt DeepMinds MLP über etwa 300.000 Parameter, während KAN nur etwa 200 Parameter hat. KAN hat eine starke mathematische Grundlage wie MLP und basiert auf dem universellen Approximationssatz, während KAN auf dem Kolmogorov-Arnold-Darstellungssatz basiert. Wie in der folgenden Abbildung gezeigt, hat KAN

Die Zielerkennung ist ein relativ ausgereiftes Problem in autonomen Fahrsystemen, wobei die Fußgängererkennung einer der ersten Algorithmen ist, die eingesetzt werden. In den meisten Arbeiten wurde eine sehr umfassende Recherche durchgeführt. Die Entfernungswahrnehmung mithilfe von Fischaugenkameras für die Rundumsicht ist jedoch relativ wenig untersucht. Aufgrund der großen radialen Verzerrung ist es schwierig, die standardmäßige Bounding-Box-Darstellung in Fischaugenkameras zu implementieren. Um die obige Beschreibung zu vereinfachen, untersuchen wir erweiterte Begrenzungsrahmen-, Ellipsen- und allgemeine Polygondesigns in Polar-/Winkeldarstellungen und definieren eine mIOU-Metrik für die Instanzsegmentierung, um diese Darstellungen zu analysieren. Das vorgeschlagene Modell „fisheyeDetNet“ mit polygonaler Form übertrifft andere Modelle und erreicht gleichzeitig 49,5 % mAP auf dem Valeo-Fisheye-Kameradatensatz für autonomes Fahren

Ich weine zu Tode. Die Daten im Internet reichen überhaupt nicht aus. Das Trainingsmodell sieht aus wie „Die Tribute von Panem“, und KI-Forscher auf der ganzen Welt machen sich Gedanken darüber, wie sie diese datenhungrigen Esser ernähren sollen. Dieses Problem tritt insbesondere bei multimodalen Aufgaben auf. Zu einer Zeit, als sie ratlos waren, nutzte ein Start-up-Team der Abteilung der Renmin-Universität von China sein eigenes neues Modell, um als erstes in China einen „modellgenerierten Datenfeed selbst“ in die Realität umzusetzen. Darüber hinaus handelt es sich um einen zweigleisigen Ansatz auf der Verständnisseite und der Generierungsseite. Beide Seiten können hochwertige, multimodale neue Daten generieren und Datenrückmeldungen an das Modell selbst liefern. Was ist ein Modell? Awaker 1.0, ein großes multimodales Modell, das gerade im Zhongguancun-Forum erschienen ist. Wer ist das Team? Sophon-Motor. Gegründet von Gao Yizhao, einem Doktoranden an der Hillhouse School of Artificial Intelligence der Renmin University.

Was? Wird Zootopia durch heimische KI in die Realität umgesetzt? Zusammen mit dem Video wird ein neues groß angelegtes inländisches Videogenerationsmodell namens „Keling“ vorgestellt. Sora geht einen ähnlichen technischen Weg und kombiniert eine Reihe selbst entwickelter technologischer Innovationen, um Videos zu produzieren, die nicht nur große und vernünftige Bewegungen aufweisen, sondern auch die Eigenschaften der physischen Welt simulieren und über starke konzeptionelle Kombinationsfähigkeiten und Vorstellungskraft verfügen. Den Daten zufolge unterstützt Keling die Erstellung ultralanger Videos von bis zu 2 Minuten mit 30 Bildern pro Sekunde, mit Auflösungen von bis zu 1080p und unterstützt mehrere Seitenverhältnisse. Ein weiterer wichtiger Punkt ist, dass es sich bei Keling nicht um eine vom Labor veröffentlichte Demo oder Video-Ergebnisdemonstration handelt, sondern um eine Anwendung auf Produktebene, die von Kuaishou, einem führenden Anbieter im Bereich Kurzvideos, gestartet wurde. Darüber hinaus liegt das Hauptaugenmerk darauf, pragmatisch zu sein, keine Blankoschecks auszustellen und sofort nach der Veröffentlichung online zu gehen. Das große Modell von Ke Ling wurde bereits in Kuaiying veröffentlicht.
