阿里巴巴推出AtomoVideo高保真圖生視頻框架，兼容多種文生圖模型

IT之家總結(jié) AtomoVideo 特性如下：

高保真度：生成的視頻與輸入圖像在細(xì)節(jié)與風(fēng)格上保持高度一致性

運(yùn)動(dòng)一致性：視頻動(dòng)作流暢，確保時(shí)間上的一致性，不會(huì)出現(xiàn)突兀的跳轉(zhuǎn)

視頻幀預(yù)測(cè)：通過(guò)迭代預(yù)測(cè)后續(xù)幀的方式，支持長(zhǎng)視頻序列的生成

兼容性：與現(xiàn)有的多種文生圖（T2I）模型兼容

高語(yǔ)義可控性：能夠根據(jù)用戶的特定需求生成定制化的視頻內(nèi)容

AtomoVideo 圖生視頻流程

AtomoVideo 使用預(yù)先訓(xùn)練好的 T2I 模型為基礎(chǔ)，在每個(gè)空間卷積層和注意力層之后新添加一維時(shí)空卷積和注意力模塊，T2I 模型參數(shù)固定，只訓(xùn)練添加的時(shí)空層。由于輸入的串聯(lián)圖像信息僅由 VAE 編碼，代表的是低層次信息，有助于增強(qiáng)視頻相對(duì)于輸入圖像的保真度。同時(shí)，團(tuán)隊(duì)還以 Cross-Attention 的形式注入高級(jí)圖像語(yǔ)義，以實(shí)現(xiàn)更高的圖像語(yǔ)義可控性。

目前，該團(tuán)隊(duì)只發(fā)布了 AtomoVideo 的論文及演示視頻，并未提供在線體驗(yàn)地址。同時(shí)官方開(kāi)設(shè)了 GitHub 賬戶，但僅用作官方網(wǎng)站托管，并未上傳任何相關(guān)代碼