16秒720p高清視頻，現(xiàn)在人人可免費一鍵生成！潞晨 Open-Sora 是一個致力于高效生產(chǎn)高質(zhì)量視頻的開源項目。自 3 月發(fā)布以來，該模型在 GitHub 上已獲得 17.5K 的星標(biāo)。以下是潞晨 Open-Sora 技術(shù)路線的具體內(nèi)容：
- 引入視頻壓縮網(wǎng)絡(luò)：采用與 OpenAI 的 Sora 相同的方法，在時間維度上進行 4 倍壓縮，無需抽幀，可使用原始 FPS 生成視頻。
- 利用 2D VAE 知識：由于訓(xùn)練 3D VAE 的成本較高，團隊嘗試讓模型重新利用在 2D VAE 中學(xué)習(xí)到的知識。他們提出了一個簡單的視頻壓縮網(wǎng)絡(luò)（即 VAE），首先在空間維度上實現(xiàn) 8x8 倍的壓縮，再從時間維度上壓縮 4 倍。
- 分三步訓(xùn)練 VAE：
- 前 380K 步：在 8 個 GPU 上訓(xùn)練，凍結(jié) 2D VAE 的權(quán)重，只訓(xùn)練 3D VAE 部分，即對時間維度的壓縮重建。訓(xùn)練目標(biāo)為對 2D VAE encoder 輸出的特征進行時間維度的壓縮重建，并添加一個 identity loss 使得新訓(xùn)練的 3D VAE 輸出的特征盡可能和原始 2D VAE 的特征相似。
- 接下來的 260K 步：移除掉 identity loss，繼續(xù)單獨訓(xùn)練 3D VAE 部分。
- 最后 540K 步：解凍 2D VAE 權(quán)重，訓(xùn)練整個 VAE 模型來重建原始視頻。該階段在 24 個 GPU 上完成。其中前兩個階段的訓(xùn)練數(shù)據(jù)使用 20%圖像和 80%視頻，視頻用 17 幀進行訓(xùn)練；最后一個階段用 34 幀的隨機幀數(shù)視頻進行訓(xùn)練，使 VAE 模型可以壓縮任意長度的視頻。
通過以上技術(shù)路線，潞晨 Open-Sora 能夠在保障模型輸出質(zhì)量的同時，降低計算資源的消耗，并實現(xiàn)多種功能，如支持輸出多種視頻寬高比等。如果你想了解更多關(guān)于潞晨 Open-Sora 的信息，可以訪問其 GitHub 主頁。潞晨Open-Sora可零門檻免費獲得模型權(quán)重、全套訓(xùn)練代碼，沉浸式游戲、創(chuàng)意廣告、制作影視大片……都能來試試~ |
咨詢服務(wù)熱線：400-099-8848
