數字人的新革命，BAT的“沖高”戰場
來源：劉曠ChatGPT橫空出世，讓人們看到了數字人的另一種可能，將ChatGPT與虛擬數字人融合，研發出更加智能化、擬人化的虛擬數字人成為數字人廠商的新命題、新方向。2月份，嶺南股份
8 月 28 日消息，智譜 AI 開源了 CogVideoX-5B 視頻生成模型，相比此前開源的 CogVideoX-2B，官方稱其視頻生成質量更高，視覺效果更好。
官方表示大幅度優化了模型的推理性能，推理門檻大幅降低，可以在 GTX 1080Ti 等早期顯卡運行CogVideoX-2B，在 RTX 3060 等桌面端“甜品卡”運行CogVideoX-5B模型。
CogVideoX 是一個大規模 DiT（diffusion transformer）模型，用于文本生成視頻任務，主要采用了以下技術：
3D causal VAE：通過壓縮視頻數據到 latent space，并在時間維度上進行解碼來實現高效的視頻重建。
專家 Transformer：將文本 embedding 和視頻 embedding 相結合，使用 3D-RoPE 作為位置編碼，采用專家自適應層歸一化處理兩個模態的數據，以及使用 3D 全注意力機制來進行時空聯合建模。
CogVideoX-5B 與 CogVideoX-2B 詳細參數比較如下：
附相關鏈接：
代碼倉庫：https://github.com/THUDM/CogVideo
模型下載：https://huggingface.co/THUDM/CogVideoX-5b
論文鏈接：https://arxiv.org/pdf/2408.06072
本文鏈接：http://www.www897cc.com/showinfo-45-6519-0.html智譜 AI 開源 CogVideoX-5B 視頻生成模型，RTX 3060 顯卡可運行
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號