优遵游戏网

游戏产业

栏目

sora软件是什么 Sora的技术路径一图览[多图]

优遵小编 2024-04-25

复刻Sora是很难的,对于这个Sora的技术路径很多人都不太了解,想要了解sora是什么,那么大家可以多看看小编分享在下面的内容,方便大家能更好的了解sora的技术路径,对此感兴趣的小伙伴赶紧来看看吧!

Sora的技术路径一图览

昨天,OpenAI发布了视频生成模型Sora,最大的Sora模型能够生成一分钟的高保真视频。同时OpenAI称,可扩展的视频生成模型,是构建物理世界通用模拟器的一条可能的路径。

Sora能够生成横屏1920*1080视频,竖屏1080*1920视频,以及之间的所有内容。这使得Sora可以兼容不同的视频播放设备,根据特定的纵横比来生成视频内容,这也会大大影响视频创作领域,包括电影制作,电视内容,自媒体等。

技术报告:https://openai.com/research/video-generation-models-as-world-simulators

技术解读

魔搭社区的开发者也针对Sora的技术报告展开了热烈的讨论,并根据技术报告的内容,推测了Sora的技术架构图如下:

sora软件是什么 Sora的技术路径一图览[多图]图片1

Sora的技术架构图(from魔搭社区开发者)

Sora模型的核心技术点(图中红色标注):

视频压缩网络

OpenAI训练了一个降低视觉数据维度的网络。这个网络接受原始视频作为输入,并输出在时间和空间上都被压缩的潜在表示。Sora在这个压缩的潜在空间上进行训练,并随后生成视频。同时还训练了一个相应的解码器模型,将生成的潜在表示映射回像素空间(源自Sora技术报告)。这部分内容为图中的红色部分,核心工作为将视觉数据转化为patches,patches是从大语言模型中获得的灵感,大语言模型范式的成功部分得益于使用优雅统一各种文本模态(代码、数学和各种自然语言)的token。大语言模型拥有文本token,而Sora拥有视觉分块(patches)。OpenAI在之前的Clip等工作中,充分实践了分块是视觉数据模型的一种有效表示(参考论文:Animage is worth 16x16 words: Transformers for image recognition atscale.)这一技术路线。而视频压缩网络的工作就是将高维度的视频数据转换为patches,首先将视频压缩到一个低纬的latentspace,然后分解为spacetime patches。

sora软件是什么 Sora的技术路径一图览[多图]图片2

这个方法同样适用于图像(将图像作为单一帧视频处理),基于Patches的表示使得Sora能够训练具有不同分辨率,持续时间和纵横比的视频和图像,而在推理过程中,只需要在适当大小的grid中随机初始化patches即可控制视频生成的大小。

技术难点:视频压缩网络类比于latent diffusionmodel中的VAE,但是压缩率是多少,如何保证视频特征被更好地保留,还需要进一步的研究。

2. 用于视频生成的Scaling Transformers

Sora是一个diffusion模型;给定输入的噪声块+文本prompt,它被训练来预测原始的“干净”分块。重要的是,Sora是一个ScalingTransformers。Transformers在大语言模型上展示了显著的扩展性,我们相信OpenAI将很多在大语言模型的技术积累用在了Sora上。

sora软件是什么 Sora的技术路径一图览[多图]图片3

在Sora的工作中,OpenAI发现Diffusion Transformers作为视频生成模型具备很好的扩展性。

技术难点:能够scaling up的transformer如何训练出来,对第一步的patches进行有效训练,可能包括的难点有longcontext(长达1分钟的视频)的支持、期间error accumulation如何保证比较低,视频中实体的高质量和一致性,videocondition,image condition,text condition的多模态支持等。

3. 语言理解

OpenAI发现训练文本到视频生成系统需要大量带有相应文本标题的视频。这里,OpenAI将DALL·E3中介绍的标题生成技术用到了视频领域,训练了一个具备高度描述性的视频标题生成(videocaptioning)模型,使用这个模型为所有的视频训练数据生成了高质量文本标题,再将视频和高质量标题作为视频文本对进行训练。通过这样的高质量的训练数据,保障了文本(prompt)和视频数据之间高度的align。而在生成阶段,Sora会基于OpenAI的GPT模型对于用户的prompt进行改写,生成高质量且具备很好描述性的高质量prompt,再送到视频生成模型完成生成工作。

技术难点:如何训练一个高质量的视频caption模型,需要海量的高质量视频数据,包括数据的获取和标注,为了保障通用性,需要支持各种多样化的视频源,电影、纪录片、游戏、3D引擎渲染等等;标注工作包括对长视频的精准切片,以及切片后的captioning。中文高质量视频数据一直是稀缺资源,随着国内短视频业务发展,也许可以加快中文高质量短视频的收集和获取。

4、世界模型,涌现的模拟能力

当大规模训练时,sora同样也出现了有趣的“涌现的模拟能力”,这些能力使Sora能够模拟物理世界中的人、动物和环境的某些方面。这些属性没有任何明确的三维、物体等归纳特征信息——可以理解为由于模型参数足够大而产生的涌现现象。

这些能力包括:

三维一致性 Sora可以生成具有动态摄像机移动的视频。随着摄像机的移动和旋转,人物和场景元素在三维空间中一致地移动。

长距离连贯性和物体持久性对于视频生成系统来说,一个重大挑战一直是在采样长视频时保持时间上的连续性。研究发现,Sora通常能够有效地模拟短距离和长距离依赖关系(不稳定)。例如,Sora可以在人物、动物和物体被遮挡或离开画面时仍然保持它们的存在。同样,它可以在单个样本中生成同一角色的多个镜头,贯穿视频始终保持他们的外观。

与世界互动Sora可以模拟以简单方式影响世界状态的行为。例如,画家可以在画布上留下新的笔触,这些笔触随着时间的推移而持续存在,或者一个人可以吃汉堡并留下咬痕。

模拟数字世界Sora还能够模拟人工过程,一个例子是视频游戏。Sora可以通过基本策略控制《Minecraft》中的玩家,同时以高保真度渲染世界及其动态。这些能力可以通过prompt包含“Minecraft”,零样本激活这样的能力。

而这些能力都表明,顺着这个方向发展(持续扩大规模),Sora真的可能成为世界模型(能够高度模拟物理和数字世界的模拟器)。也许头部玩家,黑客帝国这些科幻片,就在不太遥远的未来。

技术难点:“大”模型,“高”算力,“海量”数据

总 结

从Sora模型的技术报告中,我们可以看到Sora模型的实现,是建立在OpenAI一系列坚实的历史技术工作的沉淀基础上的:包括不限于视觉理解(Clip),Transformers模型和大模型的涌现(ChatGPT),VideoCaption(DALL·E3)等。正如社区的一位开发者说,虽然其中依然有非常多的技术细节OpenAI并没有披露,但是OpenAI画了一条“模糊”的路,有了这条模糊的路,大家就可以去尝试,从而画出通往视频生成的正确的清晰的路。

最新游戏

猜你喜欢

  • 冒险

  • 趣味

  • 闯关

  • 动漫卡通

  • 第五皮格厂游戏全部无广告下载

    第五皮格厂游戏全部无广告下载

    解谜游戏

  • 元气特攻游戏免广告版下载

    元气特攻游戏免广告版下载

    冒险游戏

  • 卡车模拟器终极版1.0.7最新版免费金币下载

    卡车模拟器终极版1.0.7最新版免费金币下载

    冒险游戏

  • 失落海域手游官方版

    失落海域手游官方版

    战略塔防

  • 方舟生存进化国服版免费下载安装

    方舟生存进化国服版免费下载安装

    冒险游戏

  • 边境契约手游官方最新版

    边境契约手游官方最新版

    角色扮演

  • 奥特曼激斗传1.3手机版下载人物全开

    奥特曼激斗传1.3手机版下载人物全开

    动作游戏

  • 披萨塔紫色碎片模组下载手机版

    披萨塔紫色碎片模组下载手机版

    动作游戏

  • 爱意过载官方正版免费下载

    爱意过载官方正版免费下载

    角色扮演

  • 合并网络汽车游戏官方手机版

    合并网络汽车游戏官方手机版

    益智休闲

  • 斑斑幼儿园4游戏官方手机版

    斑斑幼儿园4游戏官方手机版

    冒险游戏

  • 乒乓弹球游戏官方版

    乒乓弹球游戏官方版

    益智休闲

  • 公主贴纸达人游戏安卓版

    公主贴纸达人游戏安卓版

    益智休闲

  • 珠宝包DIY游戏官方最新版

    珠宝包DIY游戏官方最新版

    策略经营

  • 修树大咖游戏安卓版

    修树大咖游戏安卓版

    益智休闲

  • 纸上战争2正版游戏下载

    纸上战争2正版游戏下载

    益智休闲

  • 查尔斯火车头游戏下载免费手机版

    查尔斯火车头游戏下载免费手机版

    冒险游戏

  • 鬼灭之刃VS电锯人游戏中文手机版

    鬼灭之刃VS电锯人游戏中文手机版

    动作游戏

  • 夸父追日下载安装免广告2023最新版

    夸父追日下载安装免广告2023最新版

    益智休闲

  • 简单肉鸽游戏官方版

    简单肉鸽游戏官方版

    益智休闲

  • 双剑格斗游戏官方版

    双剑格斗游戏官方版

    益智休闲

  • 817房间游戏官方版

    817房间游戏官方版

    益智休闲

  • 无尽噩梦5怨灵咒下载安卓测试版

    无尽噩梦5怨灵咒下载安卓测试版

    冒险游戏

  • 解压发泄神器游戏官方版

    解压发泄神器游戏官方版

    益智休闲

  • 地铁跑酷国际服2022下载虎年最新版本

    地铁跑酷国际服2022下载虎年最新版本

    动作游戏

  • 全城追捕游戏安卓版

    全城追捕游戏安卓版

    益智休闲

  • 元气骑士3.2.3内置菜单无邪可远程联机

    元气骑士3.2.3内置菜单无邪可远程联机

    冒险游戏

  • Sort Master Puzzle游戏安卓版 0.2

    Sort Master Puzzle游戏安卓版 0.2

    益智休闲

  • 暴力篮球游戏官方手机版

    暴力篮球游戏官方手机版

    体育运动

  • 恶魔轮盘光头强模组下载安装最新版

    恶魔轮盘光头强模组下载安装最新版

    冒险游戏

  • 火柴人战场对决游戏安卓版

    火柴人战场对决游戏安卓版

    益智休闲

  • 找出12个不合理的地方坟头迎亲游戏官方最新版

    找出12个不合理的地方坟头迎亲游戏官方最新版

    益智休闲

  • 手游开服

  • 新游开测

  • 傲剑遮天

    策略经营 | 177.21MB | 下载次

    新服:力转乾坤

  • 多多自走棋

    益智休闲 | 115.03MB | 下载次

    新服:志安远村

  • 浩劫余震

    战略塔防 | 29.03MB | 下载次

    新服:双线511区

  • 超神坦克手

    益智休闲 | 62.67MB | 下载次

    新服:地狱亡魂

网友评论