См.: https://arxiv.org/pdf/2209.14792.pdf Make-A-Video — это модель, которая пытается извлечь выгоду из модели преобразования текста в изображение для создания видео. Эта модель использует большое количество данных изображений в сочетании с текстом, доступным в Интернете для обучения. Затем модель использует неконтролируемую модель видеоданных для создания движения. МОДЕЛЬ: Make-A-Video состоит из трех частей: Модель T2I, обученная на парах текст-изображение Слои..