Emu Video

Emu Video — это инструмент, который сосредоточен на генерации видео из текста с использованием явной обработки изображений. Он использует диффузионные модели, чтобы разбить процесс генерации на два этапа: сначала создается изображение на основе текстового запроса, а затем генерируется видео, основываясь на этом запросе и сгенерированном изображении. Такой подход позволяет эффективно обучать модели для генерации высококачественного видео. Emu Video выделяется на фоне предыдущих методов, которые требовали глубокую каскаду моделей, так как для генерации видео длиной 4 секунды с разрешением 512 пикселей и частотой 16 кадров в секунду ему нужно всего две диффузионные модели. Инструмент демонстрирует выдающиеся результаты в генерации видео из текста по сравнению с другими моделями, такими как Make-a-Video (MAV), Imagen-Video (IMAGEN), Align Your Latents (AYL), Reuse & Diffuse (R&D), Cog Video (COG), Gen2 (GEN2) и Pika Labs (PIKA). Человеческие оценщики выбрали видео Emu Video с разрешением 512 пикселей, 16 кадров в секунду и длиной 4 секунды как самые убедительные с точки зрения качества и соответствия заданному запросу. Авторами этого инструмента являются Рохит Гирдхар, Маннат Сингх, Эндрю Браун, Квентин Дюваль, Саманех Азади, Сай Сакет Рамбатла, Акбар Шах, Си Инь, Деви Парих и Ишан Мисра, при этом равный вклад в техническую часть внесли Рохит Гирдхар и Маннат Сингх. Инструмент также отмечает поддержку множества сотрудников, которые помогали в работе, предоставляя данные и инфраструктуру. Emu Video соблюдает политику конфиденциальности и использования файлов cookie, с которыми можно ознакомиться на их сайте.