Open-Sora Plan v1.2
文本到视频生成领域的先进模型架构
- 采用2+1D模型架构快速进行文本到视频的生成任务
- 优化CausalVideoVAE结构，提供更好的压缩视觉表示和推理效率
- 使用3D全注意力架构，增强对世界的理解
- 开源发布，包括代码、数据和模型，促进社区发展
- 在Kinetic400视频数据集上进行训练，并使用EMA权重进行微调
- 使用PSNR、SSIM和LPIPS等指标进行评估，确保视频质量
产品详情
Open-Sora Plan v1.2是一个开源的视频生成模型，专注于文本到视频的转换任务。它采用3D全注意力架构，优化了视频的视觉表示，并提高了推理效率。该模型在视频生成领域具有创新性，能够更好地捕捉联合空间-时间特征，为视频内容的自动生成提供了新的技术路径。
