Tune-A-Video: One-Shot Tuning of Image Diffusion Models for Text-to-Video Generation

计算机科学 人工智能 计算机视觉 视频跟踪 钥匙(锁) 弹丸 推论 视频压缩图片类型 发电机(电路理论) 视频处理 计算机安全 量子力学 物理 功率(物理) 有机化学 化学
作者
Jay Zhangjie Wu,Yixiao Ge,Xintao Wang,Weixian Lei,Yuchao Gu,Wynne Hsu,Ying Shi,Xiaohu Qie,Mike Zheng Shou
出处
期刊:Cornell University - arXiv
标识
DOI:10.48550/arxiv.2212.11565
摘要

To replicate the success of text-to-image (T2I) generation, recent works employ large-scale video datasets to train a text-to-video (T2V) generator. Despite their promising results, such paradigm is computationally expensive. In this work, we propose a new T2V generation setting$\unicode{x2014}$One-Shot Video Tuning, where only one text-video pair is presented. Our model is built on state-of-the-art T2I diffusion models pre-trained on massive image data. We make two key observations: 1) T2I models can generate still images that represent verb terms; 2) extending T2I models to generate multiple images concurrently exhibits surprisingly good content consistency. To further learn continuous motion, we introduce Tune-A-Video, which involves a tailored spatio-temporal attention mechanism and an efficient one-shot tuning strategy. At inference, we employ DDIM inversion to provide structure guidance for sampling. Extensive qualitative and numerical experiments demonstrate the remarkable ability of our method across various applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
千桑客完成签到,获得积分10
1秒前
1秒前
2秒前
Mike001发布了新的文献求助10
3秒前
万里发布了新的文献求助10
5秒前
6秒前
Hello应助科研通管家采纳,获得10
8秒前
NexusExplorer应助科研通管家采纳,获得10
8秒前
无花果应助科研通管家采纳,获得20
8秒前
秋雪瑶应助科研通管家采纳,获得10
8秒前
8秒前
大个应助科研通管家采纳,获得10
8秒前
8秒前
zzz完成签到,获得积分10
8秒前
ezio完成签到 ,获得积分10
9秒前
缥缈涵菡发布了新的文献求助10
12秒前
梦Weimar完成签到,获得积分10
16秒前
cctv18应助Kate采纳,获得10
18秒前
小诗姐姐完成签到,获得积分10
20秒前
23秒前
小二郎应助无私诗云采纳,获得10
27秒前
quanjiazhi发布了新的文献求助10
29秒前
30秒前
32秒前
粗心的初南完成签到,获得积分10
33秒前
赵红晓发布了新的文献求助10
34秒前
35秒前
38秒前
无私诗云发布了新的文献求助10
40秒前
CipherSage应助cyh采纳,获得10
40秒前
美丽圆子完成签到,获得积分10
42秒前
43秒前
43秒前
44秒前
钴蓝完成签到,获得积分10
44秒前
走廊邓发布了新的文献求助10
48秒前
duolaAmeng完成签到,获得积分10
49秒前
钴蓝发布了新的文献求助30
51秒前
51秒前
自信的九娘完成签到,获得积分10
55秒前
高分求助中
Manual of Clinical Microbiology, 4 Volume Set (ASM Books) 13th Edition 1000
Teaching Social and Emotional Learning in Physical Education 900
Boris Pesce - Gli impiegati della Fiat dal 1955 al 1999 un percorso nella memoria 500
Chinese-English Translation Lexicon Version 3.0 500
Recherches Ethnographiques sue les Yao dans la Chine du Sud 500
Two-sample Mendelian randomization analysis reveals causal relationships between blood lipids and venous thromboembolism 500
[Lambert-Eaton syndrome without calcium channel autoantibodies] 460
热门求助领域 (近24小时)
化学 材料科学 医学 生物 有机化学 工程类 生物化学 纳米技术 物理 内科学 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 电极 光电子学 量子力学
热门帖子
关注 科研通微信公众号,转发送积分 2397635
求助须知:如何正确求助?哪些是违规求助? 2099161
关于积分的说明 5291512
捐赠科研通 1827018
什么是DOI,文献DOI怎么找? 910694
版权声明 560023
科研通“疑难数据库(出版商)”最低求助积分说明 486765