火星網校
大語言模型擊敗擴散模型！視頻圖像生成雙SOTA
發(fā)布時間：2023-11-28 14:54:39 瀏覽量：130次
業(yè)內首次證據證明
白交 發(fā)自 凹非寺
|
語言模型擊敗擴散模型，在視頻和圖像生成上實現(xiàn)雙SOTA！
這是來自谷歌CMU最新研究成果。
據介紹，這是語言模型第一次在標志性的ImageNet基準上擊敗擴散模型。
而背后的關鍵組件在于視覺分詞器（video tokenizer） ，它能將像素空間輸入映射為適合LLM學習的token。
谷歌CMU研究團隊提出了MAGVIT-v2，在另外兩項任務中超越了之前最優(yōu)視覺分詞器。
大語言模型擊敗擴散模型
已經形成共識的是，大語言模型在各個生成領域都有出色的表現(xiàn)。比如文本、音頻、代碼生成等。
但一直以來在視覺生成方面，語言模型卻落后于擴散模型。
團隊認為，其主要原因在于缺乏一個好的視覺表示，類似于自研語言系統(tǒng)，能有效地對視覺世界進行建模。與自然語言不同，人類會對視覺世界尚未演化出最佳的詞匯。而這也限制了大語言模型的視覺生成能力。
基于這樣的判斷，這篇研究主要完成了三項工作：
- 提出一種新的視覺tokenizer，在視覺生成、視頻壓縮以及動作識別都優(yōu)于此前最優(yōu)表現(xiàn)。
- 一種全新無查找（lookup-free）的量化方法，可通過學習大量詞匯來提高語言模型的視覺生成質量；
- 首次有證據表明，在相同訓練數(shù)據、等效模型大小和類似訓練預算的條件下，語言模型在ImageNet上擊敗擴散模型。
據作者介紹，這也是視覺分詞器首次成功地實現(xiàn)了與標準編解碼器相媲美的效果。
在原有SOTA視覺tokenizerMAGVIT?（Masked Generative Video Transformer）基礎上，該方法主要完成了兩種設計：無查找量化（Lookup-Free Quantization ，LFQ）以及圖像-視頻聯(lián)合tokenizer。
最終在視頻/圖像生成，ImageNet 512×512和Kinetics-600，都優(yōu)于Diffusion Model。
而在視頻壓縮、動作識別上，也優(yōu)于以往的結果。
一作是北大校友
一作于力軍目前是CMU計算機科學學院語言技術研究所博士生，師從Alexander G. Hauptmann教授，同時也是谷歌學生研究員。研究興趣在于多模態(tài)基礎模型，特別是多任務視頻生成。
在來到CMU前，他在北大獲得了計算機和經濟學雙學士學位。
在研究團隊中也看到了其他不少華人面孔。
通訊作者蔣路，目前是谷歌研究院科學家以及CMU的兼職教授。
他的研究主要針對多模態(tài)大數(shù)據科領域，特別是魯棒深度學習、生成式人工智能和多模態(tài)基礎模型。
論文鏈接：
https://arxiv.org/abs/2310.05737
https://magvit.cs.cmu.edu/v2/
熱門課程推薦
熱門資訊
-
想將照片變成漫畫效果？這篇文章分享了4個方法，包括Photoshop、聰明靈犀、VanceAI Toongineer、醒圖，簡單操作就能實現(xiàn)，快來嘗試一下吧！
-
2. 華為手機神奇“AI修圖”功能，一鍵消除衣服！原圖變身大V領深V！
最近華為手機Pura70推出的“AI修圖”功能引發(fā)熱議，通過簡單操作可以讓照片中的人物換裝。想了解更多這款神奇功能的使用方法嗎？點擊查看！
-
近年來,人工智能逐漸走入公眾視野,其中的AI圖像生成技術尤為引人注目。只需在特定軟件中輸入關鍵詞描述語以及上傳參考圖就能智能高效生成符合要求的...
-
4. AI視頻制作神器Viggle：讓靜態(tài)人物動起來，創(chuàng)意無限！
Viggle AI是一款免費制作視頻的AI工具，能讓靜態(tài)人物圖片動起來，快來了解Viggle AI的功能和優(yōu)勢吧！
-
5. Logo Diffusion——基于sd繪畫模型的AI LOGO 生成器
這下LOGO設計徹底不用求人了。接下來詳細演示一遍操作流程首先進入Logo D... 想學習更多AI技能,比如說關于怎么樣利用AI來提高生產效率、還能做什么AI...
-
6. 零基礎10分鐘生成漫畫，教大家如何用AI生成自己的漫畫
接下來,我將親自引導你,使用AI工具,創(chuàng)作一本既有趣又能帶來盈利的漫畫。我們將一起探索如何利用這個工具,發(fā)揮你的創(chuàng)意,制作出令人驚嘆的漫畫作品。讓...
-
7. AI顯卡繪畫排行榜:4090無懸念，最具性價比出人意料
在AI繪圖領域，Stable Diffusion的顯卡繪圖性能備受關注。本文整理了Stable Diffusion顯卡的硬件要求和性能表現(xiàn)，以及2023年3月顯卡AI繪圖效率排行榜和性價比排行榜。歡迎查看最新的AI顯卡算力排行榜。
-
以下是一些免費的AI視頻制作網站或工具,幫助您制作各種類型的視頻。 1. Lumen5:Lumen5是一個基于AI的視頻制作工具,可將文本轉換為視頻。 用戶可以使...
-
就能快速生成一幅極具藝術效果的作品,讓現(xiàn)實中不懂繪畫的人也能參與其中創(chuàng)作!真的超贊噠~趣趣分享幾款超厲害的AI繪畫軟件,提供詳細操作!有需要的快來...
-
10. 10個建筑AI工具，從設計到施工全覆蓋!肯定有你從來沒聽過的
講述了建筑業(yè)比較著名的AI公司小庫科技做出的探索,在這兒就不多說了。今天,我們試著在規(guī)劃設計、建筑方案設計、住宅設計、管道設計、出渲染圖、3D掃...
最新文章
