I2VGen-XL：アリババが発表した画像から動画への変換モデル。

I2VGen-XLとは何ですか？

I2VGen-XLは、アリババDAMOアカデミーが開発したオープンソースの画像から動画への生成モデルです。革新的なカスケード拡散方式により、テキストベースの動画データを動画構造から分離します。同時に、静止画像を重要なガイド要素として活用し、入力データの整合性を確保することで、静止画像を高品質な動画へと合成します。この手法は、AI動画合成における意味的正確性、明瞭性、時空間的連続性といった課題に効果的に対応します。

I2VGen-XLの特長

• 静止画から動画へユーザーは静止画像とそれに対応するテキスト説明を提供するだけでよく、モデルは入力画像の内容と意味に非常に合致した動的な動画を生成できます。
• ワイドスクリーン高解像度ビデオを生成するI2VGen-XLは、解像度1280×720、アスペクト比16:9の高解像度ビデオを生成でき、ユーザーに高品質な視覚体験を提供します。
• 時間的コヒーレンスこのモデルは、時間的に一貫性のある動画を生成するため、スムーズな動画コンテンツと快適な視聴体験が保証されます。
• 質感が良く、ディテールも豊かです。I2VGen-XLは、ビデオ合成プロセスにおいて細部を保持し、質感を表現することに重点を置いており、その結果、高いリアリズムと芸術性を備えたビデオが実現します。

I2VGen-XLの使い方

I2VGen-XLプロジェクトのホームページは以下のとおりです。https://i2vgen-xl.github.io/GitHubリポジトリは以下のとおりです。https://github.com/ali-vilab/i2vgen-xl研究論文は以下からご覧いただけます。https://arxiv.org/abs/2311.04145一般ユーザーは、Hugging FaceまたはModelScopeコミュニティを通じてオンラインでデモを体験できます。

1. I2VGen-XL デモのホームページにアクセスしてください (ハグフェイスバージョン:https://huggingface.co/spaces/modelscope/I2VGen-XLModelScope バージョン:https://www.modelscope.cn/studios/damo/I2VGen-XL-Demo/summary）
2. アップロードするのに適した画像を選択し（1:1のアスペクト比を推奨）、次に「ビデオを生成」をクリックします。
3. 最初の動画が生成されたら、次のステップに進み、動画コンテンツの英語のテキスト説明を追加します。
4. 「高解像度ビデオを生成」をクリックし、ビデオが生成されるまで約2分お待ちください。