百度推出新模型，可处理文本和图像

百度新推出的 UniVG 是一款视频生成模型，其特点在于针对高自由度和低自由度两种任务分别采用不同的生成方式，以更好地平衡两者之间的关系。

目前视频生成技术主要集中在单一目标或单一任务的视频生成上，例如根据文本、图片或它们的组合生成视频。但这样的方法并不能完全满足真实世界多变的应用需求。

为了解决这一问题，百度提出了 UniVG，一种「统一模态视频生成系统」，能够处理各种文本和图像的组合输入。

该系统重新定义了视频生成模型中的多项任务，将它们划分为「高自由度生成」和「低自由度生成」两大类。

在高自由度视频生成方面，采用了「多条件交叉注意力」技术，以生成与输入的图像或文本语义高度一致的视频。

而在低自由度视频生成方面，引入了「偏置高斯噪声」，这种方法相较于传统的完全随机高斯噪声更能有效地保留输入条件的原始内容。

文章来源：爱范儿     作者：肖凡博