文章概要:

1. 新加坡國立大學研究團隊成功研發出名為Show-1的AI系統，能夠從文本描述中生成高質量視頻。

2. Show-1采用像素和潛變模型的混合架構，充分利用了兩種方法的優勢，實現了文本到視頻的精確對齊和高效放大。

3. 與純像素模型相比，Show-1僅需使用20-25%的GPU內存，同時在逼真度和文本到視頻對齊方面實現了相同或更好的結果。

微新創想（idea2003.com）10月7日 消息:新加坡國立大學的研究團隊最近成功研發了一款名為Show-1的AI系統，該系統可以將文本描述轉化為高質量視頻。這一突破性的技術在AI領域引起了廣泛的關注，被譽為最佳的免費AI視頻創作工具之一。

Show-1的研發團隊采用了一種混合架構，將像素和潛變模型相結合，以充分發揮兩種方法的優勢。像素模型直接處理像素值，因此能夠更好地與文本提示對齊，但需要大量計算資源。潛變模型則將輸入壓縮到潛變空間，然后進行擴散。雖然更加高效，但在保留精細文本細節方面存在困難。

Show-1模型將這兩種模型架構相結合:像素模型用于生成關鍵幀和低分辨率插值圖像，捕捉與文本提示接近的所有運動和內容。然后，潛變模型用于將低分辨率視頻放大到高分辨率。潛變模型充當“專家”，以添加逼真的細節。這種混合方法將像素模型的精確文本到視頻對齊與潛變模型的高效放大相結合，取得了最佳效果。

根據研究團隊的介紹，Show-1在逼真度和文本到視頻對齊方面取得了與Imagen Video或Runways Gen-2等最先進方法相同或更好的結果，同時僅需使用純像素模型生成視頻所需GPU內存的20-25%。這一特點也使得Show-1對開源應用具有吸引力。

Show-1具有以下產品特色功能:

• 像素級和潛在級結合:Show-1獨創性地將像素級和潛在級VDMs相結合，充分發揮了兩者的優點，以實現文本到視頻的生成。這一特色使其在保持高效性的同時能夠實現精確的文本與視頻對齊。

• 高質量視頻生成:通過首先使用像素級VDMs生成具有強文本-視頻關聯性的低分辨率視頻，然后使用潛在級VDMs進行進一步上采樣，Show-1能夠生成高質量的視頻，確保了視頻的視覺質量。

• 高效性:與像素級VDMs相比，Show-1在推理期間的GPU內存使用效率更高，顯著減少了計算資源的需求，從而提高了效率。

• 文本視頻對齊:Show-1注重確保生成視頻與文本提示之間的精確對齊，這意味著生成的視頻能夠更好地反映文本描述的內容，提高了生成視頻與文本一致性。

• 開源代碼和模型權重:作者公開提供了Show-1的代碼和模型權重，這意味著研究社區和開發人員可以自由地使用和構建在此模型的基礎上進行進一步研究和開發。

總之，Show-1是一種先進的文本到視頻生成模型，通過融合不同級別的VDMs，它能夠高效地生成高質量、精確對齊的視頻，并且具有開放的代碼和模型權重，可用于各種應用，如視頻生成、自動生成影片等。

Show-1項目網址:https://showlab.github.io/Show-1/