跳到正文

Lumiere

面向文本到视频的时空扩散模型

访问官网

Lumiere 是什么

Lumiere 被介绍为一个文本到视频扩散模型,旨在合成真实、多样且连贯的运动,并用空时 U-Net 通过单次传递一次生成整段视频的时间持续。

你可以用它做什么

  • 合成运动真实、多样、连贯的视频
  • 一次生成整段视频的时间持续
  • 把设计用于内容创作与视频编辑任务
  • 扩展到图像到视频、视频修补与风格化生成

设计要点

  • 部署空间与时间上的下采样和上采样
  • 复用预训练的文本到图像扩散模型
  • 在多个时空尺度下直接学习全帧率低分辨率视频
  • 与先合成远距离关键帧再做时间超分辨率的做法形成对比

优点与缺点

✓ 我们认可的地方

  • 单次传递设计指向全局时间一致性
  • 一个模型覆盖多种编辑任务

! 需要留意的地方

  • 资料是论文摘要而非产品发布
  • 列出的场景条目只有标题没有细节

常见问题

用了什么架构?

论文提出空时 U-Net,一次传递生成整段视频的时间持续。

列出哪些编辑任务?

图像到视频、视频修补与风格化生成。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法