Open-source 发布 VILA-U 数据集, 应用在 视频生成、计算机视觉 领域

Open-source 本次发布的数据集 VILA-U, 该数据集是基于LLaMA-2-7B和RQ-VAE开发的AR视频生成模型，名为VILA-U，用于在自动回归视频生成背景下产生视频。这些生成的视频通过使用PSNR、SSIM和LPIPS等评价指标进行评估。量化器的码本大小为16384，且视频是按照VBench中的特定提示生成的。该任务的规模为8帧，每帧分辨率为256×256，专注于视频生成任务。

查看VILA-U

README 内容： 

关于 Open-source , -

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。