{"id":111702,"date":"2023-11-22T21:10:14","date_gmt":"2023-11-22T19:10:14","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/predstavlena-sistema-sinteza-video-stable-video-diffusion"},"modified":"2023-11-22T21:10:14","modified_gmt":"2023-11-22T19:10:14","slug":"predstavlena-sistema-sinteza-video-stable-video-diffusion","status":"publish","type":"post","link":"https:\/\/prohoster.info\/it\/blog\/novosti-interneta\/predstavlena-sistema-sinteza-video-stable-video-diffusion","title":{"rendered":"Presentato il sistema di sintesi video Stable Video Diffusion","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
L'azienda Stability AI ha rilasciato il modello di machine learning Stable Video Diffusion, che consente di generare brevi video a partire da immagini. Questo modello amplia le capacit\u00e0 del progetto Stable Diffusion, precedentemente limitato alla sintesi di immagini statiche. Il codice degli strumenti per l'addestramento della rete neurale e la generazione delle immagini \u00e8 scritto in Python utilizzando il framework PyTorch ed \u00e8 stato pubblicato con licenza MIT. I modelli gi\u00e0 addestrati sono resi disponibili sotto la licenza permissiva Creative ML OpenRAIL-M, che ne consente l'uso a scopi commerciali. <\/p>\n
Sono disponibili due modelli per il caricamento: SVD (Stable Video Diffusion) per generare 14 fotogrammi con risoluzione 576×1024 basata su un'immagine statica fornita e SVD-XT per generare 25 fotogrammi. \u00c8 possibile generare video senza movimento o con un movimento della telecamera molto lento, della durata massima di 4 secondi. Il controllo diretto del modello basato su descrizioni testuali in linguaggio naturale non \u00e8 ancora supportato, ma \u00e8 possibile preparare in anticipo un'immagine sorgente utilizzando la vecchia modello Stable Diffusion 2.1 e poi convertirla in video utilizzando il modello SVD. <\/p>\n
La qualit\u00e0 video attualmente non garantisce un fotorealismo perfetto e un rendering corretto di volti e persone. In termini di prestazioni, il modello open source proposto supera i suoi analoghi proprietari delle aziende Runway e Pika Labs. Il modello pu\u00f2 facilmente adattarsi per affrontare diverse attivit\u00e0, ad esempio, pu\u00f2 essere utilizzato per formare figure tridimensionali.
\r\n \r\n
<\/div>\r\n <\/div><\/center> <\/p>\n
Inoltre, si segnala la pubblicazione dello strumento di machine learning Video-LLaVA, che consente di creare una rappresentazione visiva unificata di un oggetto, generata utilizzando foto e video durante l'addestramento. Il sistema pu\u00f2 essere utilizzato, ad esempio, per riconoscere la presenza degli stessi oggetti nelle immagini e nei video. Il codice \u00e8 scritto in Python e distribuito con licenza Apache 2.0. \n Fonte: opennet.ru<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"
![\"Riproduci](\"https:\/\/img.youtube.com\/vi\/G7mihAy691g\/hqdefault.jpg\")
\r\n