Sora复刻版来了,微软参与,华人团队打造
原标题:Sora复刻版来了,微软参与,华人团队打造
导读:
要问谁对回南天理解最深刻我投林俊杰因为他有一首歌不潮不用花钱潮让身处南方城市的人多花不少冤枉钱回南天正让人类现代科技面临意想不到的挫折潮湿天气里洗衣凝珠化成了洗衣液屏上浸满水雾...
要问谁对“回南天”理解最深刻,我投林俊杰。因为他有一首歌,“不潮不用花钱”,潮,让身处南方城市的人多花不少“冤枉钱”。回南天,正让人类现代科技面临意想不到的挫折。潮湿天气里,洗衣凝珠化成了洗衣液;LED屏上浸满水雾;各种电子产品充不进电,开不开机的例子比比皆是。最近更离谱的事情发生了。不少人在...
白交 发自 凹非寺
量子位 | 公众号 QbitAI
Sora复刻版出现了——
Mora,还是多智能体那种。
Sora有的能力它基本都有,比如文本转视频、扩展视频、视频编辑、视频拼接、模拟数字世界等等。
还支持生成1024*576分辨率的12秒视频。
这项研究来自理海大学微软研究院的华人团队。他们运用多个视觉agent,在多个任务中表现接近Sora。
既如此,且来看Mora究竟实力如何。
Mora复刻Sora
先来看效果。
首先是文本到视频的生成。
In the middle of a vast desert, a golden desert city appears on the horizon, its architecture a blend of ancient Egyptian and futuristic elements.The city is surrounded by a radiant energy barrier, while in the air, seve
(在广袤的沙漠中,一座金色的沙漠城市出现在地平线上,其建筑融合了古埃及和未来元素。)
效果还不错,有点三体内味了。
再来看,基于文本提示的图像到视频生成。
不妨就拿Sora视频比较一下。
除此之外,还支持视频编辑,比如修改一下视频里的车、给车铺上一条彩虹之路。
这个效果嘛,就还有进步空间~
不过跟Sora同款的视频拼接,是可以Hold住的。
多智能体框架
研究团队提出了一个多智能体框架Mora。
他们认为解决不同视频生成任务,需要不同专业能力agent协作。为此,Mora框架中有5个基本角色组成:
Prompt选择和生成agent、文本到图像生成agent、图像到图像生成agent、图像到视频生成agent、视频到视频agent。
每个agent负责特定的输入和输出,通过设置agent的角色和操作技能,团队定义了各种任务基本工作流程。
根据任务不同,采用特定的agent组合。
目前他们主要设计了六个工作流:
文本到视频生成;文本条件图像到视频生成;扩展生成的视频;视频到视频编辑;连接视频以及模拟数字世界。
最终,在各个任务中,Mora的表现都接近Sora。
团队认为,Mora作为开源多agent框架,具有一定的灵活性和效率,还能无缝集成各种模型。
但与此同时,也有一定的进步空间。比如高质量视频数据集的需求、指令遵循能力的提升、人类视觉偏好对齐等。
理海微软团队
此次研究来自理海大学孙力超团队,此外还有微软研究院研究员参与。
前段时间,同样也是这个团队用37页论文逆向工程解剖Sora。
他们对模型背景、相关技术、应用、现存挑战以及文本到视频AI模型未来发展方向进行了全面分析。
感兴趣的朋友可戳下方链接:
https://arxiv.org/abs/2403.13248
https://github.com/lichao-sun/Mora
- 版权所属:王牌阁
- 本文地址:http://school.uexe.cn/12215.html
- 版权声明:原创文章,转载时必须以链接形式注明原始出处及本声明。