研究
STARFlow-V：正規化流實現端到端影片生成的新里程碑
摘要
正規化流（Normalizing Flows, NFs）作為一種端到端的生成模型，近年來在圖像生成領域取得顯著進展。然而，在複雜度更高的影片生成領域，主流仍以擴散模型為主。Apple 機器學習研究團隊推出 STARFlow-V，這是一種基於正規化流的影片生成器，具備端到端學習、穩健的因果預測及原生似然估計等優勢。
正規化流（Normalizing Flows, NFs）是一種針對連續資料的端到端、基於似然的生成模型，近年來在圖像生成方面取得令人鼓舞的進展，重新獲得了關注。然而，在時空複雜度和計算成本顯著更高的影片生成領域，最先進的系統幾乎完全依賴於基於擴散的模型。在這項工作中，我們重新審視了這個設計空間，提出了 STARFlow-V，這是一種基於正規化流的影片生成器，具有顯著的優勢，例如端到端學習、穩健的因果預測和原生的似然估計…
標籤
正規化流影片生成生成模型機器學習Apple 研究STARFlow-V
以上為 AI 自動翻譯導讀。原文版權歸 Apple Machine Learning Research 所有。 建議透過上方「閱讀原文」前往原始網站，以取得最完整資訊與支持原作者。