10 月 21 日消息，復(fù)旦大學(xué)和百度聯(lián)合開(kāi)發(fā)了一款名為 Hallo2 的全新 AI 模型，該模型可以生成長(zhǎng)達(dá)數(shù)小時(shí)的 4K 分辨率人物動(dòng)畫(huà)，現(xiàn)已在 GitHub 發(fā)布開(kāi)源。P7X28資訊網(wǎng)——每日最新資訊28at.com

P7X28資訊網(wǎng)——每日最新資訊28at.com

Hallo2 模型建立在 latent diffusion models 的基礎(chǔ)上，相比上一代Hallo 模型的效果更好，支持了長(zhǎng)視頻生成，通過(guò)引入數(shù)據(jù)增強(qiáng)方法如 patch-drop 和高斯噪聲，有效提高了長(zhǎng)時(shí)間視頻的視覺(jué)一致性和時(shí)間連貫性。P7X28資訊網(wǎng)——每日最新資訊28at.com

P7X28資訊網(wǎng)——每日最新資訊28at.com

Hallo2 還結(jié)合了向量量化生成對(duì)抗網(wǎng)絡(luò)和時(shí)間對(duì)齊技術(shù)，保證了高分辨率視頻的質(zhì)量和流暢性。P7X28資訊網(wǎng)——每日最新資訊28at.com

此外，Hallo2將可調(diào)整的語(yǔ)義文本標(biāo)簽的肖像表情作為條件輸入。這超出了傳統(tǒng)的音頻提示，可以提高可控性并增加所生成內(nèi)容的多樣性。項(xiàng)目頁(yè)面介紹稱(chēng)，Hallo2 是第一種實(shí)現(xiàn) 4K 分辨率并生成長(zhǎng)達(dá) 1 小時(shí)的音頻驅(qū)動(dòng)的人像圖像動(dòng)畫(huà)的方法，并通過(guò)文本提示進(jìn)行增強(qiáng)。P7X28資訊網(wǎng)——每日最新資訊28at.com

P7X28資訊網(wǎng)——每日最新資訊28at.com

附Hallo2 項(xiàng)目地址如下：P7X28資訊網(wǎng)——每日最新資訊28at.com

https://fudan-generative-vision.github.io/hallo2/#/P7X28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://www.rrqrq.com/showinfo-45-9198-0.html首發(fā)根據(jù)音頻生成 4K 分辨率 1 小時(shí)長(zhǎng)視頻，復(fù)旦、百度聯(lián)手打造 AI 開(kāi)源模型 Hallo2

聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：[email protected]

上一篇： 北京寫(xiě)字樓租金持續(xù)下滑，下降趨勢(shì)何時(shí)止？

下一篇： 沈抖掌舵百度智能云，新征途能否再創(chuàng)輝煌？