无需文本标注，TF-T2V把AI量产视频的成本打下来了！华科阿里等联合打造

AIGC动态欢迎阅读

原标题：无需文本标注，TF-T2V把AI量产视频的成本打下来了！华科阿里等联合打造
关键字：视频,数据,时序,文本,分支
文章来源：机器之心
内容字数：3210字

内容摘要：

机器之心专栏
机器之心编辑部在过去短短两年内，随着诸如LAION-5B 等大规模图文数据集的开放，Stable Diffusion、DALL-E 2、ControlNet、Composer ，效果惊人的图片生成方法层出不穷。图片生成领域可谓狂飙突进。
然而，与图片生成相比，视频生成仍存在巨大挑战。首先，视频生成需要处理更高维度的数据，考虑额外时间维度带来的时序建模问题，因此需要更多的视频 – 文本对数据来驱动时序动态的学习。然而，对视频进行准确的时序标注非常昂贵。这限制了视频 – 文本数据集的规模，如现有 WebVid10M 视频数据集包含 10.7M 视频 – 文本对，与 LAION-5B 图片数据集在数据规模上相差甚远，严重制约了视频生成模型规模化的扩展。
为解决上述问题，华中科技大学、阿里巴巴集团、浙江大学和蚂蚁集团联合研究团队于近期发布了 TF-T2V 视频方案：论文地址：https://arxiv.org/abs/2312.15770
项目主页：https://tf-t2v.github.io/
即将开源代码地址：https://github.com/ali-vilab/i2

原文链接：无需文本标注，TF-T2V把AI量产视频的成本打下来了！华科阿里等联合打造