视频生成模型

苹果公司近日发布了一款名为STIV的视频生成大模型，该模型拥有87亿参数，能够处理文本和图像条件的视频生成任务，统一了文本到视频（T2V）和文本-图像到视频（TI2V）的任务。STIV模型基于PixArt-Alpha架构，通过变分自编码器将...