AI产业链专家交流反馈-韭研公社

登录注册

AI产业链专家交流反馈

夜长梦山

2024-01-09 08:48:54

AI产业链专家交流反馈专家认为 AI 生成视频或者图片技术就是输入一段内容包括文本、图片、视频等，输出图片和内容，Runway 公司推出相关产品后，相关概念得到大家关注，后来 Pika 团队四个人融了几千万美元半年时间做的更好。但产业成熟度来看，下一个迭代周期至少还需要 2-3 年。从 2013 年开始，AI 生成经历了三个阶段的深度学习或者框架迭代，第一阶段是 VAE 编码器，用于数据增强，实际应用是虚拟头像，实际没有太多应用场景。之后第二阶段是谷歌推出相关算法，应用举例是图像风格迁移，如改造黑白图片变为彩色，让梵高的画作动起来。第三阶段是以 2020 年开始成熟的扩散网络。2013、2014、2015 三年学术界都有非常重量的论文发表，产业从 2017-2020 开始进行迭代，纵观 10 年来看本质是算法框架的迭代，后者快速的迭代前者，产业的产品和功能重新重构。AI 视频就是在 AI 图片的基础上补帧和增帧从而达到 AI 生成视频的效果，简单来看就是几秒 GIF，但是让大家认知到了 AI 是可以生成视频的，从而产生了极大的冲击力，不亚于此前英伟达推出 Style 相关技术。 AI 生成视频技术发展路线，主流技术是 DIffusion，以 Runway 为代表。谷歌也在推进，但越来越封闭，越来越闭源，也没对外说使用什么技术，目前只有一些 Demo 出来。现在 Diffusion 的技术原理是一张一张图片去生成，比如一只小鸟，每一张生成的过程都有随机性，所以连续性一直是核心，Pika 实在生成图片模型的基础上加入了控制框架，把上下文图片信息带入，所以视频中每一张图片都是微小变化，通过框架把局部嵌入整体的过程，本质是图片与图片之间的相似性带入，生成众多微小变化图片缓慢移动，让大家认为是连续的。目前连续性是核心问题，比如一个箱子本来是灰色的，但可能在一环中突然变为蓝色的，背后是控制性引发的稳定性问题。以图片生成技术为参考，近几年腾讯 G2I 也是一类代表，本质也是为了控制主体，而不是为了控制像素和背景。整体底层的引导不是周边的引导者能做改变的，更多的是以插件式方法来做控制，并不能从根本上解决连续性问题。目前 AI 视频都是 3-15 秒，原因也是因为时长越长越容易变为出现稳定性问题，连续性将越来越难控制，一只小鸟可能在 100 秒后变为一只狮子，其余都是推理层面的问题。AI 视频推理成本远远高于 AI 生成图片（英伟达 8G 甚至 4G 显存就可以实现），AI 视频至少要 20G 显存，目前业界也在努力做优化如 OpenAI 的 Costmodel（业内叫 CD）以及谷歌的 PT 算法，缩减搜索空间和生成范围，本质是平衡性问题，是要生成时长更高的准确性，还是割舍准确性的快速性。

作者利益披露：转载，不作为证券推荐或投资建议，旨在提供更多信息，作者不保证其内容准确性。

声明：文章观点来自网友，仅为作者个人研究意见，不代表韭研公社观点及立场，站内所有文章均不构成投资建议，请投资者注意风险，独立审慎决策。

信雅达

工分