(相關(guān)資料圖)

IT之家 4 月 20 日消息，英偉達(dá)和康奈爾大學(xué)的研究團(tuán)隊合作，近日推出了名為 VideoLDM 模型，可以根據(jù)文本描述，自動生成最高分辨率 2048*1280、24 幀、最長 4.7 秒的視頻。

英偉達(dá)表示該模型配有 41 億個參數(shù)，其中 27 億個經(jīng)過視頻訓(xùn)練，這符合現(xiàn)代生成式 AI 的標(biāo)準(zhǔn)。IT之家從博文中獲悉，英偉達(dá)表示通過高效的潛在擴(kuò)散模型（LDM），能夠創(chuàng)建多樣化、高質(zhì)量、高清晰度的視頻。

該模型還能創(chuàng)建駕駛場景的視頻，視頻分辨率為 1024 × 512 像素，最長 5 分鐘。英偉達(dá)表示目前該項目處于研究階段，暫時不會向公眾開放。

詳細(xì)報告可以訪問：https://research.nvidia.com/labs/toronto-ai/VideoLDM/

標(biāo)簽：