Allegro：打开商业水平视频生成模型的黑箱
计算机视觉与模式识别
2024-10-22 v1
摘要
视频生成领域取得了显著进展，开源社区为训练高质量模型贡献了大量研究论文和工具。然而，尽管如此，可获得的信息和资源仍不足以实现商业水平的性能。本报告我们打开黑箱，介绍 ，一个在质量和时序一致性方面都表现出色的高级视频生成模型。我们还概述了当前领域的局限性，并提出了一种全面的方法，用于训练高性能、商业水平的视频生成模型，涵盖数据、模型架构、训练管线和评估等关键方面。我们的 user study 显示，Allegro 超越了现有开源模型和大多数商业模型，仅排在 Hailuo 和 Kling 之后。代码：https://github.com/rhymes-ai/Allegro ，模型：https://huggingface.co/rhymes-ai/Allegro ，画廊：https://rhymes.ai/allegro_gallery。
引用
@article{arxiv.2410.15458,
title = {Allegro: Open the Black Box of Commercial-Level Video Generation Model},
author = {Yuan Zhou and Qiuyue Wang and Yuxuan Cai and Huan Yang},
journal= {arXiv preprint arXiv:2410.15458},
year = {2024}
}