इमेज-से-वीडियो
एक स्थिर छवि को गतिमान बनाना
यह पृष्ठ अंग्रेज़ी में प्रस्तुत है; शीर्षक और सारांश का स्थानीयकरण किया गया है।
यह क्षमता क्या है
Takes an image, optionally with a motion description, and outputs a clip that starts from it. The first frame is usually tightly constrained to the input, and later frames extrapolate motion and camera movement from there. Unlike text-to-video it has a definite visual starting point, which raises the bar for preserving subject identity and appearance.
तकनीकी रूप से कैसे
A common approach encodes the input as a condition, either pinning the first frame of the diffusion process or injecting it as a reference, then generates the following frames; another route extends keyframes with an image model and interpolates in between. Motion magnitude and camera control are set by explicit strength parameters or trajectory conditions, while physical plausibility is learned implicitly from motion priors in the data.
प्रतिनिधि उत्पाद
8Stable Video Diffusion
2023विसरण मॉडल से एक स्थिर चित्र को छोटे वीडियो में बदलता है
Kling
2024टेक्स्ट-टू-वीडियो और इमेज-टू-वीडियो दोनों के लिए शॉर्ट-वीडियो मॉडल
Hailuo
2024निर्देश-पालन और कैमरा भाषा पर केंद्रित शॉर्ट-वीडियो मॉडल
Dream Machine
2024पाठ या चित्र से गति युक्त छोटे वीडियो बनाता है
Veo
2024सुसंगत शॉट के साथ 1080p वीडियो क्लिप बनाता है
Gen-3 Alpha
2024फ़िल्म और विज्ञापन के लिए अत्यधिक नियंत्रण योग्य टेक्स्ट-टू-वीडियो मॉडल
Seedance
2024मल्टी-शॉट कथा-कथन के लिए वीडियो जनरेटिंग मॉडल
Sora
2024एक विवरण से लगभग एक मिनट तक का सुसंगत वीडियो बनाता है
संबंधित संस्थान
सामान्य उपयोग
- Animating photos and memory clips
- Product showcases and animated ad visuals
- Motion pre-vis from key art and storyboards
- Shot drafts for games and film
इसका मूल्यांकन कैसे होता है
- FVD
- Distribution gap between generated and real video
- First-frame fidelity
- Agreement between the first frame and the input
- Human preference
- Pairwise judgement of motion naturalness and subject retention
सीमाएँ और कठिनाइयाँ
- Identity drifts after the first frame, with faces and clothing changing first
- Large camera moves break background geometry: straight lines bend and buildings misalign
- Occlusion and parallax are often wrong, inverting front-back relations
इसके पीछे की अवधारणाएँ
विसरण मॉडल
हज़ार छोटे शोर-हटाने के चरण सीखें, और शुद्ध शोर से चित्र बना सकेंगे
अव्यक्त-समष्टि विसरण और सशर्त नियंत्रण
विसरण पिक्सेल पर नहीं, बल्कि संपीड़ित अर्थ-समष्टि के भीतर चलाएँ
बहु-मॉडल जनरेशन
एक ही मॉडल बोलना, चित्र बनाना, हिलना, और यहाँ तक कि 3D संसार का नमूना बनाना सीखता है