Awesome-Video-Diffusion-Models

Awesome-Video-Diffusion-Models

视频扩散模型研究进展与开源资源综述

本文综述了视频扩散模型领域的研究进展和开源资源。内容包括最新工具箱、基础模型、数据集和评估指标,涵盖文本到视频生成、视频编辑和理解等多个方向。文章系统梳理了该领域的关键技术和资源,为研究人员和开发者提供全面参考,有助于推动视频生成和处理技术的发展。

视频生成模型开源工具箱数据集评估指标文本到视频生成Github开源项目

A Survey on Video Diffusion Models Awesome arXiv

<div style="text-align:center; font-size: 18px;"> <p> <a href="https://chenhsing.github.io">Zhen Xing</a>, Qijun Feng, Haoran Chen, <a href="https://scholar.google.com/citations?user=NSJY12IAAAAJ&hl=zh-CN" >Qi Dai,</a> <a href="https://scholar.google.com/citations?user=Jkss014AAAAJ&hl=zh-CN&oi=ao" >Han Hu,</a> <a href="https://scholar.google.com/citations?user=J_8TX6sAAAAJ&hl=zh-CN&oi=ao" >Hang Xu,</a> <a href="https://scholar.google.com/citations?user=7t12hVkAAAAJ&hl=en" >Zuxuan Wu,</a> <a href="https://scholar.google.com/citations?user=f3_FP8AAAAAJ&hl=en" >Yu-Gang Jiang </a> </p> </div> <p align="center"> <img src="asset/fish.webp" width="160px"/> <img src="asset/tree.gif" width="160px"/> <img src="asset/raccoon.gif" width="160px"/> </p> <p align="center"> <img src="asset/svd.gif" width="240px"/> <img src="asset/fly3.gif" width="240px"/> </p> <p align="center"> <img src="asset/1.gif" width="120px"/> <img src="asset/2.gif" width="120px"/> <img src="asset/3.gif" width="120px"/> <img src="asset/4.gif" width="120px"/> </p> <p align="center"> (Source: <a href="https://makeavideo.studio/">Make-A-Video</a>, <a href="https://chenhsing.github.io/SimDA/">SimDA</a>, <a href="https://research.nvidia.com/labs/dir/pyoco/">PYoCo</a>, <a href="https://img.shields.io/badge/Website-9cf"> SVD </a>, <a href="https://research.nvidia.com/labs/toronto-ai/VideoLDM/">Video LDM</a> and <a href="https://tuneavideo.github.io/">Tune-A-Video</a>) </p>
  • [News] <span style="color:red;"> We are planning to update the survey soon to encompass the latest work. If you have any suggestions, please feel free to contact us.</span>
  • [News] The Chinese translation is available on Zhihu. Special thanks to Dai-Wenxun for this.

Open-source Toolboxes and Foundation Models

MethodsTaskGithub
Open-Sora-PlanT2V GenerationStar
Open-SoraT2V GenerationStar
Morph StudioT2V Generation-
GenieT2V Generation-
SoraT2V Generation & Editing-
VideoPoetT2V Generation & Editing-
Stable Video DiffusionT2V GenerationStar
NeverEndsT2V Generation-
PikaT2V Generation-
EMU-VideoT2V Generation-
GEN-2T2V Generation & Editing-
ModelScopeT2V GenerationStar
ZeroScopeT2V Generation-
T2V Synthesis ColabT2V GenetationStar
VideoCraftT2V Genetation & EditingStar
Diffusers (T2V synthesis)T2V Genetation-
AnimateDiffPersonalized T2V GenetationStar
Text2Video-ZeroT2V GenetationStar
HotShot-XLT2V GenetationStar
GenmoT2V Genetation-
FlikiT2V Generation-

Table of Contents

Video Generation

Data

Caption-level

TitlearXivGithubWebSitePub. & Date
ChronoMagic-Bench: A Benchmark for Metamorphic Evaluation of Text-to-Time-lapse Video GenerationarXivStarWebsiteJun., 2024
Panda-70M: Captioning 70M Videos with Multiple Cross-Modality TeachersarXivStarWebsiteCVPR, 2024
CelebV-Text: A Large-Scale Facial Text-Video DatasetarXivStar-CVPR, 2023
InternVid: A Large-scale Video-Text Dataset for Multimodal Understanding and GenerationarXivStar-May, 2023
VideoFactory: Swap Attention in Spatiotemporal Diffusions for Text-to-Video GenerationarXiv--May, 2023
Advancing High-Resolution Video-Language Representation with Large-Scale Video TranscriptionsarXiv--Nov, 2021
Frozen in Time: A Joint Video and Image Encoder for End-to-End RetrievalarXiv--ICCV, 2021
MSR-VTT: A Large Video Description Dataset for Bridging Video and LanguagearXiv--CVPR, 2016

Category-level

TitlearXivGithubWebSitePub. & Date
UCF101: A Dataset of 101 Human Actions Classes From Videos in The WildarXiv--Dec., 2012
First Order Motion Model for Image AnimationarXiv--May, 2023
Learning to Generate Time-Lapse Videos Using Multi-Stage Dynamic Generative Adversarial NetworksarXiv--CVPR,2018

Metric and BenchMark

TitlearXivGithubWebSitePub. & Date
Fréchet Video Motion Distance: A Metric for Evaluating Motion Consistency in VideosarXivStar-Jul., 2024
ChronoMagic-Bench: A Benchmark for Metamorphic Evaluation of Text-to-Time-lapse Video GenerationarXivStarWebsiteJun., 2024
[STREAM: Spatio-TempoRal Evaluation and Analysis Metric for Video Generative

编辑推荐精选

问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

AI助手热门AI工具AI创作AI辅助写作讯飞绘文内容运营个性化文章多平台分发
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

下拉加载更多