ஸ்டெபிலிட்டி AI, ஸ்டெபிள் வீடியோ டிஃப்யூஷன் என்ற இயந்திர கற்றல் மாதிரியை வெளியிட்டுள்ளது, இது படங்களிலிருந்து குறுகிய வீடியோக்களை உருவாக்க முடியும். இந்த மாதிரி, முன்பு நிலையான படங்களை ஒருங்கிணைப்பதற்கு மட்டுப்படுத்தப்பட்டிருந்த ஸ்டேபிள் டிஃப்யூஷன் திட்டத்தின் திறன்களை விரிவுபடுத்துகிறது. நரம்பியல் நெட்வொர்க் பயிற்சி மற்றும் பட உருவாக்க கருவிகளுக்கான குறியீடு பைடோர்ச் கட்டமைப்பைப் பயன்படுத்தி பைத்தானில் எழுதப்பட்டு MIT உரிமத்தின் கீழ் வெளியிடப்படுகிறது. பயிற்சி பெற்ற மாதிரிகள் கிரியேட்டிவ் ML OpenRAIL-M அனுமதி உரிமத்தின் கீழ் திறந்த மூலமாகப் பெறப்படுகின்றன, இது வணிக பயன்பாட்டை அனுமதிக்கிறது.
இரண்டு மாதிரி வகைகள் பதிவிறக்கத்திற்குக் கிடைக்கின்றன: கொடுக்கப்பட்ட நிலையான படத்தின் அடிப்படையில் 576×1024 தெளிவுத்திறனில் 14 பிரேம்களை உருவாக்கும் SVD (நிலையான வீடியோ பரவல்), மற்றும் 25 பிரேம்களை உருவாக்கும் SVD-XT. அசைவற்றதாகவோ அல்லது மிகவும் மெதுவான கேமரா சுழற்சியுடன், 4 வினாடிகளுக்கு மேல் நீடிக்கவோ வீடியோ உருவாக்கம் சாத்தியமாகும். இயற்கை மொழி உரையை அடிப்படையாகக் கொண்ட மாதிரியின் நேரடி கட்டுப்பாடு இன்னும் ஆதரிக்கப்படவில்லை, ஆனால் பழைய நிலையான பரவல் 2.1 மாதிரியைப் பயன்படுத்தி முதலில் மூலப் படத்தைத் தயாரித்து, பின்னர் அதை SVD மாதிரியைப் பயன்படுத்தி வீடியோவாக மாற்ற முடியும்.
வீடியோ தரம் இன்னும் சரியான ஒளி யதார்த்தத்தை வழங்கவில்லை அல்லது முகங்கள் மற்றும் மக்களின் துல்லியமான ரெண்டரிங்கை உத்தரவாதப்படுத்தவில்லை. செயல்திறனைப் பொறுத்தவரை, முன்மொழியப்பட்ட திறந்த மூல மாதிரி ரன்வே மற்றும் பிகா லேப்ஸின் தனியுரிம அனலாக்ஸை விட சிறப்பாக செயல்படுகிறது. முப்பரிமாண உருவங்களை உருவாக்குவது போன்ற பல்வேறு பணிகளுக்கு இந்த மாதிரியை எளிதாக மாற்றியமைக்க முடியும்.
மேலும் குறிப்பிடத்தக்கது வீடியோ-LLaVA இயந்திர கற்றல் கருவித்தொகுப்பின் வெளியீடு, இது பயிற்சியின் போது பொருளின் புகைப்படங்கள் மற்றும் வீடியோ பதிவுகள் இரண்டையும் பயன்படுத்தி உருவாக்கப்பட்ட ஒரு பொருளின் ஒருங்கிணைந்த காட்சி பிரதிநிதித்துவத்தை உருவாக்க உதவுகிறது. எடுத்துக்காட்டாக, படங்கள் மற்றும் வீடியோக்களில் ஒரே பொருள்கள் இருப்பதை அடையாளம் காண இந்த அமைப்பைப் பயன்படுத்தலாம். குறியீடு பைத்தானில் எழுதப்பட்டு அப்பாச்சி 2.0 உரிமத்தின் கீழ் விநியோகிக்கப்படுகிறது.
ஆதாரம்: opennet.ru
