李飞飞高徒盘点年度十大AI亮点：核聚变、ChatGPT、AlphaFold上榜（2）

Imagen Video

Google AI的Imagen Video：它能使用扩散模型生成高清视频，基于Imagen静态图像生成器。演示：http://imagen.research.google/video/

论文链接：https://arxiv.org/abs/2210.02303

Phenaki

来自谷歌AI的Phenaki: 从开放领域的文本描述中生成可变长度的视频。演示：https://phenaki.video

论文链接：https://arxiv.org/abs/2210.02399

五、文本-3D建模

从设计创新产品到在电影和游戏中创造奇妙的视觉效果，3D建模正成为文本-X生成模型的下一片蓝海。

令人惊喜的是，2022年出现了许多卓有前途的3D生成模型。在此，Fan列举了3个模型。

DreamFusion

首先登场的，是Google AI研究团队与UC Berkeley联合开发的DreamFusion。

论文链接：https://arxiv.org/pdf/2209.14988.pdf该模型使用二维文本到图像的扩散模型来执行文本到三维的合成。基于NeRF算法，DreamFusion可以通过给定文本生成3D模型。

该模型可以从任何角度查看，在任意照明下可以重新点亮，还可以合成到任何三维环境当中。

Magic3D

第二项成果，是英伟达AI团队的两个项目，名为GET3D和Magic3D。

GET3D论文链接：https://nv-tlabs.github.io/GET3D/assets/paper.pdf

Magic3D论文链接：https://arxiv.org/pdf/2211.10440.pdfGET3D仅使用二维图像进行训练，可生成具有高保真纹理和复杂几何细节的三维图形。 该模型允许用户立即将其形体导入3D渲染器和游戏引擎，以便进行后续编辑。Magic3D与DreamFusion类似，使用文本到图像模型生成2D图像，然后优化为体积NeRF（神经辐射场）数据，将低分辨率生成的粗略模型优化为高分辨率的精细模型。 根据英伟达AI团队，由此产生的Magic3D方法，可以比DreamFusion更快地生成3D目标。