arXiv · 机器人与计算机视觉· Th\'eophane Vallaeys, Jakob Verbeek, Matthieu Cord·· 15 天前AI 评分58
U-JiT:基于 UNet 架构的像素空间视频生成方法
Pixel-space video generation with U-JiT
AI 导读
针对现有视频生成模型依赖预训练自编码器导致训练分阶段且信号损失的问题,本文提出 U-JiT 模型直接在像素空间进行视频生成。
来源:arXiv · 机器人与计算机视觉 · arxiv.org