字节跳动智能创作实验室 发布 Phantom-Data 数据集, 应用在 视频生成、文本对齐 领域

字节跳动智能创作实验室 本次发布的数据集 Phantom-Data, Phantom-Data是一个通用主题一致的视视频生成数据集，旨在解决现有模型在忠实遵循文本指令方面的挑战。该数据集包含约一百万个身份一致的跨类别对，通过一个三阶段的流程构建：一个通用的输入对齐的主题检测模块，从超过5300万个视频和30亿张图像中进行大规模跨上下文主题检索，以及基于先验的视觉一致性验证。该数据集显著提高了提示对齐和视觉质量，同时保持了与成对基线相当的身份一致性。

查看Phantom-Data

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。