Sora如何处理不同分辨率和视频长度的输入?
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
Sora通过在时间和空间两个维度同时对原始视频进行特征抽取,将连续几帧的像素块“压缩”成一个patch。这个步骤能够将不同分辨率、不同视频长度的视频以及图片统一处理成patches,从而实现对不同输入的统一处理。