InstructVideo

Modèle de génération de vidéo à partir de texte, guidé par instruction

Sélection NationaleVidéoTexte vers vidéoModèle de diffusion

InstructVideo est une méthode de modèle de diffusion texte-vers-vidéo guidée par renforcement par apprentissage par renforcement avec rétroaction humaine (RLHF). Elle utilise une méthode d'optimisation par édition, réduisant ainsi les coûts et améliorant l'efficacité de l'apprentissage. En utilisant un modèle de récompense d'image existant, et en fournissant des signaux de récompense via un échantillonnage parcimonieux segmentaire et une atténuation temporelle de la récompense, InstructVideo améliore significativement la qualité visuelle des vidéos générées. InstructVideo améliore non seulement la qualité visuelle mais conserve également une forte capacité de généralisation. Pour plus d'informations, veuillez consulter le site officiel.

Best AI Websites & Tools

InstructVideo

InstructVideo Dernière situation du trafic

InstructVideo Tendance des visites

InstructVideo Distribution géographique des visites

InstructVideo Sources de trafic

InstructVideo Alternatives

InstructVideo — Modèle de génération de vidéo à partir de texte, guidé par instruction

R1-V — Améliore la capacité de généralisation des modèles linguistiques visuels renforcés à faible coût, pour moins de 3 dollars.

DIAMOND — Agent d'apprentissage par renforcement entraîné sur un modèle de diffusion du monde

Lumina-T2X — Un cadre unifié de génération de texte vers n'importe quel mode

Show-1 — Show-1 combine les modèles de diffusion de pixels et de variables latentes pour générer des vidéos à partir de texte de manière efficace et de haute qualité.

NotaGen — NotaGen est un modèle de génération de musique symbolique, entraîné selon le paradigme des grands modèles de langage, axé sur la génération de partitions classiques de haute qualité.

Inception Labs — Inception Labs lance une nouvelle génération de modèles linguistiques de grande diffusion, offrant une capacité de génération de langage extrêmement rapide, efficace et de haute qualité.

Wan2GP — Wan2GP est un modèle de génération vidéo open source optimisé, conçu pour les utilisateurs de GPU peu performants, prenant en charge plusieurs tâches de génération vidéo.

Mercury Coder — Mercury Coder est un modèle linguistique de génération de code hautes performances basé sur un modèle de diffusion.

VideoGrain — VideoGrain est une méthode zéro-shot permettant d'effectuer des éditions vidéo au niveau catégorie, instance et composant.

SWE-RL — Amélioration des capacités de raisonnement des grands modèles de langage dans l'évolution des logiciels open source grâce à l'apprentissage par renforcement

MLGym — MLGym est un nouveau framework et une nouvelle référence pour faire progresser les agents de recherche en IA.

Wan2.1-T2V-14B — Wan2.1-T2V-14B est un modèle de génération de vidéo à partir de texte hautes performances, prenant en charge plusieurs tâches de génération vidéo.

VLM-R1 — VLM-R1 est un modèle linguistique visuel renforcé stable et polyvalent, axé sur les tâches de compréhension visuelle.

NovaSky — NovaSky est une plateforme technologique d'intelligence artificielle axée sur la génération de code et l'optimisation des modèles d'inférence.

AlphaMaze — AlphaMaze est un modèle de langage décodeur axé sur les tâches de raisonnement visuel, conçu pour pallier les lacunes des modèles linguistiques traditionnels dans ce domaine.

HOMIEtele — HOMIE est un nouveau système de téléopération de robots humanoïdes intégrant un système de capture de mouvement corporel et un cadre d'apprentissage par renforcement, permettant d'exécuter des tâches de marche et de manipulation avec précision.

MakeAnything — MakeAnything est un modèle de transformateur à diffusion conçu pour la génération de séquences programmées dans de multiples domaines.

FlashVideo — FlashVideo est un modèle de génération vidéo haute résolution et performant, axé sur la fluidité des détails et la fidélité.

Pippo — Pippo est un modèle génératif capable de produire des vidéos haute résolution multi-vues à partir d'une seule photo.

DeepScaleR-1.5B-Preview — Un grand modèle linguistique optimisé par apprentissage par renforcement, axé sur l'amélioration de la résolution de problèmes mathématiques.

Sora sur appareil — Sora sur appareil est un projet de génération de vidéo à partir de texte sur appareil mobile, basé sur un modèle de diffusion.

DiffSplat — DiffSplat est un framework génératif permettant de créer des nuages de points gaussiens 3D à partir d'une description textuelle et d'une image en vue unique.

Go with the Flow — Une méthode efficace pour contrôler les modes de mouvement des modèles de diffusion vidéo, prenant en charge la personnalisation et le transfert des modes de mouvement.

Tülu 3 405B — Tülu 3 405B est un modèle linguistique de grande envergure, open source, dont les performances ont été améliorées par apprentissage par renforcement.

CUA — CUA est une interface universelle capable d'interagir avec le monde numérique via une interface graphique.

TokenVerse — TokenVerse est une méthode personnalisée multi-concept basée sur un modèle de diffusion pré-entraîné texte-vers-image.

DeepSeek-R1-Distill-Qwen-1.5B — DeepSeek-R1-Distill-Qwen-1.5B est un modèle linguistique open source performant pour l'inférence, adapté à diverses tâches de traitement du langage naturel.

DeepSeek-R1-Distill-Qwen-7B — DeepSeek-R1-Distill-Qwen-7B est un modèle d'inférence open source spécialisé dans les mathématiques, le code et les tâches de raisonnement.

DeepSeek-R1-Distill-Llama-8B — DeepSeek-R1-Distill-Llama-8B est un modèle linguistique open source haute performance, adapté à la génération de texte et aux tâches d'inférence.