「視頻領域的Midjourney」! AI影片生成新秀Gen-2內測作品流出,網友直呼太逼真
號稱可以一句話拍大片的AI影片產生工具Gen-2,開始露出廬山真面目。
有推特部落客已經率先拿到了內測資格。
這是他用提示詞「一個身材勻稱or對稱(symmetrical)的男人在酒吧接受採訪」生成的結果:
只見一個身著深色襯衣的男人正望著對方侃侃而談,眼神和表情透露著一股認真和坦率,對面的人則不時點頭以示附和。
影片整體非常連貫且畫質很是清晰,乍一看,真實訪談感滿滿有沒有!
同樣的提示詞產生的另一個版本也不賴:
這次鏡頭更加拉近,背景更逼真,人物則仍然富有表現力。
有網友看完這組作品直呼:
太不可思議了吧,只靠文字提示就能生成這樣的結果!
還有人直言:
這是影片領域的Midjourney來了。
部落客實測Gen-2
這位部落客名叫Nick St. Pierre,專門在推上分享他用AI製作的作品。
除了開頭所見的寫實風,他還發布了一組Gen-2的科幻作品。
例如“太空人穿越太空”:
“一名武裝士兵沿著太空船的走廊奔跑,身後一道黑影摧毀了牆壁” :
「一家在人類動物園吃微晶片的機器人」:
#「人形機器人大軍在冰凍的平地上進行殖民」:
(有種權遊裡面異鬼大軍進擊長城的氣勢…)
「地球上最後一個人看著入侵的太空船降落在東京上空」:
……
以上這些全部都只憑一句提示字就能完成,不需要藉用其它圖片和影片。
雖然說這組科幻的效果相比「酒吧男人接受採訪」稍顯遜色,但神奇的是,它和AI圖像生成模型誕生之初的那種「混沌不清」的味道可以說不相上下-彷彿看到了Stable diffusion等AI當時的影子。
如Nick St. Pierre表示:
Gen-2還處於嬰兒期,後面一定會比較好。
我們也在網路上找到了其他已經拿到內測資格的人測試的一些效果:
##可以說,除了比較難的科幻作品,其它它拿捏的都還不錯的亞子。
AI影片產生也狂飆
專攻影片產生的AI工具Gen-2於3月20日發布(論文3月11號)。
身為AIGC領域的新秀,它的迭代速度和品質也是相當快了:
Gen-1版本2月才剛誕生,那會還只能對已有影片進行編輯;
現在Gen-2就已經可以用文字和圖像作為提示詞直接生成影片了。
官方號稱它為“生成式AI的下一步”,宣傳語給的也是很霸氣:
say it,see it。 (只要你能說出來,我就能讓你看到)
Gen-2的更新一口氣帶來了八大功能:
文生影片、文字參考圖像生影片、靜態圖片轉影片、影片風格遷移、故事板(Storyboard)、Mask(例如把一隻正在走路的小白狗變成斑點狗)、渲染和個人化(例如把甩頭小哥秒變海龜人)。
它的出現和AI繪畫一樣,讓人看到了影視、遊戲和行銷等領域暗藏的巨大變革。
背後開發公司也值得說道,它就是Runway。
Runway成立於2018年,為《瞬息全宇宙》特效提供過技術支持,也參與了Stable Diffusion的開發(妥妥的潛力股)。
提示:Gen-1已經可以開始玩了(125次機會用完之後就只能按月付費了),Gen-2還沒有正式對公開放。
除了Gen系列,微軟亞研院也最新發布了一個可以根據文字產生超長影片的AI:NUWA-XL。
只用16句簡單描述,它就能get一段長達11分鐘的動畫:
在往前一點兒,就在Gen-2發布同一天,阿里達摩院也開源了17億參數的文本轉視頻AI:
效果是醬嬸的:
…
可以預見,不只影像生成,影片領域也要變得熱鬧起來了。
咳,所以下一波大眾AI狂歡,會是它嗎?
參考連結:
[1]https://www.php.cn/link/4d7e0d72898ae7ea3593eb5ebf20c744
##[2]https://www.php.cn/link/e00944d55e6432ccf20f9fda2492b6fd
#[3]ffhttps://www.php.cn/link/ce653013fadbb2ffhttps://www.php.cn/link/ce653013fadbb2ff
#https://www.php.cn/link/ce653013fadbb2ff#.33331 [4]
https://www.php.cn/link/6e3adb1ae0e02c934766182313b6775d#[5]https://www 。
以上是「視頻領域的Midjourney」! AI影片生成新秀Gen-2內測作品流出,網友直呼太逼真的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

想像一下,一個人工智慧模型,不僅擁有超越傳統運算的能力,還能以更低的成本實現更有效率的效能。這不是科幻,DeepSeek-V2[1],全球最強開源MoE模型來了。 DeepSeek-V2是一個強大的專家混合(MoE)語言模型,具有訓練經濟、推理高效的特點。它由236B個參數組成,其中21B個參數用於啟動每個標記。與DeepSeek67B相比,DeepSeek-V2效能更強,同時節省了42.5%的訓練成本,減少了93.3%的KV緩存,最大生成吞吐量提高到5.76倍。 DeepSeek是一家探索通用人工智

AI,的確正在改變數學。最近,一直十分關注這個議題的陶哲軒,轉發了最近一期的《美國數學學會通報》(BulletinoftheAmericanMathematicalSociety)。圍繞著「機器會改變數學嗎?」這個話題,許多數學家發表了自己的觀點,全程火花四射,內容硬核,精彩紛呈。作者陣容強大,包括菲爾茲獎得主AkshayVenkatesh、華裔數學家鄭樂雋、紐大電腦科學家ErnestDavis等多位業界知名學者。 AI的世界已經發生了天翻地覆的變化,要知道,其中許多文章是在一年前提交的,而在這一

波士頓動力Atlas,正式進入電動機器人時代!昨天,液壓Atlas剛「含淚」退出歷史舞台,今天波士頓動力就宣布:電動Atlas上崗。看來,在商用人形機器人領域,波士頓動力是下定決心要跟特斯拉硬剛一把了。新影片放出後,短短十幾小時內,就已經有一百多萬觀看。舊人離去,新角色登場,這是歷史的必然。毫無疑問,今年是人形機器人的爆發年。網友銳評:機器人的進步,讓今年看起來像人類的開幕式動作、自由度遠超人類,但這真不是恐怖片?影片一開始,Atlas平靜地躺在地上,看起來應該是仰面朝天。接下來,讓人驚掉下巴

本月初,來自MIT等機構的研究者提出了一種非常有潛力的MLP替代方法—KAN。 KAN在準確性和可解釋性方面表現優於MLP。而且它能以非常少的參數量勝過以更大參數量運行的MLP。例如,作者表示,他們用KAN以更小的網路和更高的自動化程度重現了DeepMind的結果。具體來說,DeepMind的MLP有大約300,000個參數,而KAN只有約200個參數。 KAN與MLP一樣具有強大的數學基礎,MLP基於通用逼近定理,而KAN基於Kolmogorov-Arnold表示定理。如下圖所示,KAN在邊上具

特斯拉機器人Optimus最新影片出爐,已經可以在工廠裡打工了。正常速度下,它分揀電池(特斯拉的4680電池)是這樣的:官方還放出了20倍速下的樣子——在小小的「工位」上,揀啊揀啊揀:這次放出的影片亮點之一在於Optimus在廠子裡完成這項工作,是完全自主的,全程沒有人為的干預。而且在Optimus的視角之下,它還可以把放歪了的電池重新撿起來放置,主打一個自動糾錯:對於Optimus的手,英偉達科學家JimFan給出了高度的評價:Optimus的手是全球五指機器人裡最靈巧的之一。它的手不僅有觸覺

目標偵測在自動駕駛系統當中是一個比較成熟的問題,其中行人偵測是最早得以部署演算法之一。在多數論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環視的距離感知相對來說研究較少。由於徑向畸變大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述描述,我們探索了擴展邊界框、橢圓、通用多邊形設計為極座標/角度表示,並定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形形狀的模型fisheyeDetNet優於其他模型,並同時在用於自動駕駛的Valeo魚眼相機資料集上實現了49.5%的mAP

寫在前面項目連結:https://nianticlabs.github.io/mickey/給定兩張圖片,可以透過建立圖片之間的對應關係來估計它們之間的相機姿態。通常,這些對應關係是二維到二維的,而我們估計的姿態在尺度上是不確定的。一些應用,例如隨時隨地實現即時增強現實,需要尺度度量的姿態估計,因此它們依賴外部的深度估計器來恢復尺度。本文提出了MicKey,這是一個關鍵點匹配流程,能夠夠預測三維相機空間中的度量對應關係。透過學習跨影像的三維座標匹配,我們能夠在沒有深度測試的情況下推斷度量相對

FP8和更低的浮點數量化精度,不再是H100的「專利」了!老黃想讓大家用INT8/INT4,微軟DeepSpeed團隊在沒有英偉達官方支援的條件下,硬生在A100上跑起FP6。測試結果表明,新方法TC-FPx在A100上的FP6量化,速度接近甚至偶爾超過INT4,而且比後者擁有更高的精度。在此基礎之上,還有端到端的大模型支持,目前已經開源並整合到了DeepSpeed等深度學習推理框架中。這項成果對大模型的加速效果也是立竿見影──在這種框架下用單卡跑Llama,吞吐量比雙卡還要高2.65倍。一名
