跳到正文

UniVG

统一多模态视频生成系统

访问官网

UniVG 是什么

UniVG 被介绍为一款统一多模态视频生成系统,能处理包括文本与图像模态在内的多种视频生成任务。资料说明它引入多条件交叉注意力与偏置高斯噪声,实现高自由度与低自由度的视频生成。

你可以用它做什么

  • 处理多种视频生成任务
  • 使用文本与图像两种输入
  • 使用多条件交叉注意力与偏置高斯噪声

模型说明

  • 覆盖高自由度与低自由度视频生成
  • 资料称在公共学术基准 MSR-VTT 上取得最低的 FVD
  • 结果与开源方法及闭源方法 Gen2 作比较

优点与缺点

✓ 我们认可的地方

  • 覆盖高自由度与低自由度视频生成
  • 在同一系统内结合文本与图像模态

! 需要留意的地方

  • 生成依赖多条件交叉注意力与偏置高斯噪声
  • 所报告的 FVD 结果是在 MSR-VTT 基准上测得

常见问题

系统处理哪些模态?

资料说明包含文本和图像模态。

资料提到了哪个基准?

资料称在 MSR-VTT 上取得最低的 FVD。

最后评测: 2026-11-15

更多 AI 视频生成 工具

查看全部 →

评测方法