Dfot
任意の数のコンテキストフレームから高品質なビデオを生成できる新しいビデオ拡散モデル
ダウンロード数 47.19k
リリース時間 : 2/7/2025
モデル概要
DFoTは革新的なビデオ生成モデルで、履歴誘導(HG)手法を組み合わせることで、ビデオ生成の品質、時間的一貫性、モーション・ダイナミクスを大幅に向上させ、単一フレームまたは複数フレームの画像から短いビデオや極めて長いビデオを生成可能
モデル特徴
履歴誘導(HG)手法
DFoT特有の誘導技術で、ビデオ生成品質、時間的一貫性、モーション・ダイナミクスを大幅に向上
柔軟なコンテキスト入力
任意の数(単一画像を含む)のコンテキストフレームからビデオ生成をサポート
長尺ビデオ生成能力
10秒以上の長尺ビデオを生成可能で、無限ナビゲーションビィデオ生成もサポート
組み合わせビデオ生成
異なるビデオクリップを組み合わせて一貫性のある長尺ビデオを生成可能
モデル能力
単一画像からビデオ生成
複数フレーム画像からビデオ生成
長時間安定ビデオ生成
組み合わせビデオ生成
ビデオ動的制御
使用事例
ビデオクリエーション
ショートビデオ生成
1-2枚の画像から2秒のショートビデオを生成
高品質で時間的一貫性のあるショートビデオクリップ
長尺ビデオ生成
単一画像から10秒以上の長尺ビデオを生成
動的に安定した一貫性のある長尺ビデオ
無限ナビゲーションビデオ
単一画像から無限に拡張可能なナビゲーションビデオを生成
持続的に安定した境界制限のないビデオストリーム
コンテンツ編集
ビデオ組み合わせ
異なるビデオクリップを組み合わせて一貫性のある新しいビデオを生成
シームレスに接続された組み合わせビデオ
おすすめAIモデル
Llama 3 Typhoon V1.5x 8b Instruct
タイ語専用に設計された80億パラメータの命令モデルで、GPT-3.5-turboに匹敵する性能を持ち、アプリケーションシナリオ、検索拡張生成、制限付き生成、推論タスクを最適化
大規模言語モデル
Transformers 複数言語対応

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-TinyはSODAデータセットでトレーニングされた超小型対話モデルで、エッジデバイス推論向けに設計されており、体積はCosmo-3Bモデルの約2%です。
対話システム
Transformers 英語

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
RoBERTaアーキテクチャに基づく中国語抽出型QAモデルで、与えられたテキストから回答を抽出するタスクに適しています。
質問応答システム 中国語
R
uer
2,694
98