Diffusion Models for Video Generation

扩散模型已用于图像合成，研究社区正将其扩展到视频生成任务。视频生成是图像的超集，需要在时间维度上保持一致性，并面临高质量视频数据收集困难的问题。Imagen Video 通过级联扩散模型和渐进蒸馏将采样步数减半，Sora 则采用 DiT 架构处理时空块。