近日，南京大学的研究团队与字节跳动、西南大学联合推出了一项创新技术 ——STAR（Spatial-Temporal Augmentation with Text-to-Video Models），旨在利用文本到视频模型，实现真实世界视频的超分辨率处理。该技术结合了时空增强方法，能够有效提高低分辨率视频的质量，尤其适用于在视频分享平台上下载的低清晰度视频。为了方便研究者和开发者使用，研究团队已经在 GitHub 上发布了 STAR 模型的预训练版本，包括 I2VGen-XL 和 CogVideoX-5B 两种型号，以及相关的推理代码。这些工具的推出标志着在视频处

今日，智谱技术团队发布了其最新的视频生成模型 CogVideoX v1.5，并将其开源。这一版本是自8月以来，智谱技术团队推出的 CogVideoX 系列中的又一重要进展。据了解，此次更新大幅提升了视频生成能力，包括支持5秒和10秒的视频长度、768P 的分辨率以及16帧的生成能力。同时，I2V（图像到视频）模型也支持任意尺寸比例，进一步增强了复杂语义的理解能力。CogVideoX v1.5包含两个主要模型:CogVideoX v1.5-5B 和 CogVideoX v1.5-5B-I2V，旨在为开发者提供更强大的视频生成工具。更值得关注的是，CogVideoX v1.5将

AI领域新突破：团队开发Motion-I2V框架，专为实现更加一致和可控的图像到视频生成。通过将过程分为预测运动场与内容传播两个阶段，并引入基于扩散的运动场预测机制，该框架显著提升视频生成质量及用户控制体验。Motion-I2V支持用户通过标注精确控制运动和设置，增强体验。其两大优势体现在：改善运动一致性且能够超越复杂运动速度处理，同时扩展历史技术使用范围，无需训练样本即可实现风格或内容的零样本转换。此创新为影视、游戏等多个行业开拓新解决方案，预期将革新人们追求的丰富、互动视觉体验。请参阅：https://xiaoyushi97.github.io/Motion-I2V/ 进一步了解。