视频生成

Tune-A-Video：使用图像扩散模型进行一次微调实现文本到视频的生成Paper: Wu J Z, Ge Y, Wang X, et al. Tune-a-video: One-shot tuning of image diffusion models for text-to-video generation[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2023: 7623-7633. Introduction: https://tuneavideo.github.

LTX-Video 高效视频生成模型，一键处理图片&文字LTX-Video 是由 Lightricks 在 2024 年开发的一种视频生成模型，这种模型采用了 transformer 和 Video-VAE 技术，能够高效生成高分辨率视频。此外，LTX-Video 支持多种视频生成方式，包括从文本到视频和从图像到视频。

【AIGC】SYNCAMMASTER：多视角多像机的视频生成标题：SYNCAMMASTER: SYNCHRONIZING MULTI-CAMERA VIDEO GENERATION FROM DIVERSE VIEWPOINTS 主页：https://jianhongbai.github.io/SynCamMaster/ 代码：https://github.com/KwaiVGI/SynCamMaster

StyleGaussian: Instant 3D Style Transferwith Gaussian Splatting 论文解读目录一、概述二、相关工作1、辐射场2、3D编辑3、风格迁移三、StyleGaussian1、特征嵌入2、风格迁移

视频编辑最新SOTA！港中文&Adobe等发布统一视频生成传播框架——GenProp文章链接：https://arxiv.org/pdf/2412.19761 项目链接：https://genprop.github.io

HunyuanVideo: A Systematic Framework For LargeVideo Generative Models 论文解读目录一、概述二、相关工作三、Hunyuan Video1、总论2、数据预处理2.1数据过滤2.2数据注释

NeurIPS 2024 | 像素级LLM实现图像视频理解、生成、分割和编辑大统一（昆仑万维等）Accepted by NeurIPS 2024文章链接：https://arxiv.org/pdf/2412.19806 项目链接：https://vitron-llm.github.io/ Github链接：https://github.com/SkyworkAI/Vitron

无需训练！多提示视频生成最新SOTA！港中文&腾讯等发布DiTCtrl：基于MM-DiT架构文章链接：https://arxiv.org/pdf/2412.18597 项目链接：https://github.com/TencentARC/DiTCtrl

Diffusion Transformer(DiT)——将扩散过程中的U-Net换成ViT：近频繁用于视频生成与机器人动作预测(含清华PAD详解)本文最开始属于此文《视频生成Sora的全面解析：从AI绘画、ViT到ViViT、TECO、DiT、VDT、NaViT等》

CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer 论文解读目录一、前置知识1、Cogview2、Cogview23、Cogvideo二、CogvideoX概述三、CogVideoX架构

[读论文] Compositional 3D-aware Video Generation with LLM Director近年来，通过强大的生成模型和大规模互联网数据，文本到视频生成领域取得了显著进展。然而，在生成视频中精确控制单个概念（如特定角色的动作和外观、视角的移动）方面，仍存在巨大挑战。为此，我们提出了一种新的范式，先分别生成每个概念的 3D 表示，然后利用大语言模型（LLM）和 2D 扩散模型的先验知识将它们组合起来。具体来说，对于输入的文本提示，我们的方法分为三个阶段：

阿里云大数据AI技术

EasyAnimateV5 视频生成大模型原理详解与模型使用在数字内容创作中，视频扮演的角色日益重要。然而，创作高质量视频通常耗时且昂贵。EasyAnimate 系列旨在利用人工智能技术简化这一过程。EasyAnimateV5 建立在其前代版本的基础之上，不仅在质量上有所提升，还在多模态数据处理和跨语言支持上有了进一步的增强。

AI高中数学教学视频生成技术：利用通义千问、MathGPT、视频多模态大模型，语音大模型，将4个模型融合，生成高中数学教学视频，并给出实施方案。大家好，我是微学AI，今天给大家介绍一下AI高中数学教学视频生成技术：利用通义千问、MathGPT、视频多模态大模型，语音大模型，将4个模型融合，生成高中数学教学视频，并给出实施方案。本文利用专家模型+反思+总结的模式提升大模型返回结合，文本生成PPT模型，驱动PPT生成动画视频，并结合文稿生成语音，最后合并生成完整的高中数学教学视频。

VideoCrafter模型部署教程VideoCrafter是一个功能强大的AI视频编辑和生成工具，它结合了深度学习和机器学习技术，为用户提供了便捷的视频制作和编辑体验。

士多啤梨先生

Genmoai-smol：专为单 GPU 优化的开源 AI 视频生成模型，低显存生成高质量视频❤️ 如果你也关注大模型与 AI 的发展现状，且对大模型应用开发非常感兴趣，我会快速跟你分享最新的感兴趣的 AI 应用和热点信息，也会不定期分享自己的想法和开源实例，欢迎关注我哦！

定制化视频生成新模范！零样本主体驱动，精确运动控制！复旦&阿里等发布DreamVideo-2文章链接：https://arxiv.org/pdf/2410.13830 项目链接：https://dreamvideo2.github.io/

如何在算家云搭建ControlNext-SVD（视频生成）ControlNext-SVD-V2 是 ControlNext-SVD 的 V2 模型。其中 ControlNext-SVD 模型是通过添加 ControlNet 来控制 Stable Video Diffusion (SVD)，使用高分辨率视频训练，具体来说它可以将图片生成与指定姿态相匹配的高质量视频。

Hallo2 长视频和高分辨率的音频驱动的肖像图像动画（数字人技术）HALLO2: LONG-DURATION AND HIGH-RESOLUTION AUDIO-DRIVEN PORTRAIT IMAGE ANIMATION

如何在算家云搭建Video-Infinity（视频生成）Video-Infinity是一个先进的视频生成模型，使用多个 GPU 快速生成长视频，无需额外训练。它能够基于用户提供的文本或图片提示，创造出高质量、多样化的视频内容。

champ模型部署指南champ是由阿里巴巴、复旦大学和南京大学的研究人员共同提出的一种基于3D的将人物图片转换为视频动画的模型，该方法结合了3D参数化模型(特别是SMPL模型)和潜在扩散模型，能够精确地捕捉和再现人体的3D形状和动态，同时保持动画的时间一致性和视觉真实性，以生成高质量的人类动画视频。