Sora的整体框架可以拆分为哪些主要部分?
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的整体框架可以拆分为两个主要部分,即视觉编码器/解码器和以文本提示词为条件的扩散模型。
• 视觉编码器/解码器:编码器将原始视频映射到 patches,解码器把 patches 还原回视频
• 扩散模型(文本提示词为条件):以文本提示词为条件,生成 patches