近日，阿里巴巴在人工智能領(lǐng)域再次取得突破，推出了一款名為AtomoVideo的高保真圖像到視頻生成框架。這一技術(shù)的問世，標(biāo)志著基于文本到圖像生成技術(shù)的視頻生成領(lǐng)域取得了顯著的快速發(fā)展。

　　據(jù)官方介紹，AtomoVideo的核心在于其多粒度圖像注入技術(shù)，這一技術(shù)使得生成的視頻對于給定的圖像具有更高的保真度。這意味著，通過AtomoVideo生成的視頻，能夠更好地保留原始圖像的細(xì)節(jié)和特征，從而使得生成的視頻更加逼真。目前，阿里只發(fā)布了AtomoVideo的論文，代碼，試玩頁面等還未公布。

　　此外，AtomoVideo還得益于高質(zhì)量的數(shù)據(jù)集和訓(xùn)練策略，這使得其在保持卓越的時(shí)間性的同時(shí)，實(shí)現(xiàn)了更大的運(yùn)動強(qiáng)度，一致性和穩(wěn)定性。這意味著，無論是在動作的連貫性，還是在動作的穩(wěn)定性上，AtomoVideo都能表現(xiàn)出色。

　　AtomoVideo的架構(gòu)也具有很高的靈活性，它可以靈活地?cái)U(kuò)展到視頻幀預(yù)測任務(wù)，通過迭代生成實(shí)現(xiàn)長序列預(yù)測。這使得AtomoVideo在處理長序列的視頻預(yù)測任務(wù)時(shí)，也能夠保持良好的性能。

　　值得一提的是，由于適配器訓(xùn)練的設(shè)計(jì)，AtomoVideo可以很好地與現(xiàn)有的個(gè)性化模型和可控模塊結(jié)合。這使得AtomoVideo在實(shí)際應(yīng)用中，可以根據(jù)需要進(jìn)行個(gè)性化定制，以滿足不同用戶的需求。

　　不過從AK大神發(fā)布的演示來看，AtomoVideo生成的視頻質(zhì)量和sora相比差距較大，和SVD相比也有一些差距，希望后續(xù)會有更大的提升吧。