AtomoVideo：高保真图像到视频生成
计算机视觉与模式识别
2024-03-06 v2
摘要
最近，基于优越的文本到图像生成技术，视频生成取得了显著的快速发展。在本工作中，我们提出了一种用于图像到视频生成的高保真框架，名为 AtomoVideo。基于多粒度图像注入，我们实现了生成视频对给定图像的更高保真度。此外，得益于高质量的数据集和训练策略，我们在保持优越的时间一致性和稳定性的同时，实现了更大的运动强度。我们的架构可灵活扩展到视频帧预测任务，通过迭代生成实现长序列预测。此外，由于适配器训练的设计，我们的方法可以与现有的个性化模型和可控模块很好地结合。通过定量和定性评估，AtomoVideo 与流行方法相比取得了优越的结果，更多示例可在我们的项目网站找到：https://atomo-video.github.io/。
引用
@article{arxiv.2403.01800,
title = {AtomoVideo: High Fidelity Image-to-Video Generation},
author = {Litong Gong and Yiran Zhu and Weijie Li and Xiaoyang Kang and Biao Wang and Tiezheng Ge and Bo Zheng},
journal= {arXiv preprint arXiv:2403.01800},
year = {2024}
}
备注
Technical report. Page: https://atomo-video.github.io/