返回全部题目← 上一题123 / 315下一题 →题库/模型基础与推理/Q-5694视频扩散模型如何组织时空表示并生成连贯视频？知识专题：多模态与生成模型题目类型：原理机制技术难度：进阶收录题集：14 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集14 份多模态与计算机视觉阿东玩 AI · AgentGuide · 6 条原题查看题集 →【Wan2.1模型架构】Wan2.1的模型架构细节是什么？包括图像特征和文本特征是如何注入进去的？ 「百度」【视频生成vs图像生成】视频生成模型和图片生成模型的区别？个人怎么看待视频生成和图像生成，更倾向于哪种？ 「百度、阿里巴巴」CogVideoX架构与训练CogVideoX的模型结构（包括3DVAE的压缩率、MM-DiT的优势、4f+1中+1的含义）是怎样的？展开其余 3 条原题Wan系列视频生成模型： 「字节跳动、百度、阿里巴巴」Wan2.1的详细架构和训练细节；【生成任务】对文生图、图生图、图生视频的了解 「阿里巴巴」【模型对比】说一下FLUX实现和WANs的实现有什么区别？ 「百度」01_AIGC时代数字人基础高频考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →如何把图像生成模型扩展到视频数字人？02_可控人体生成与角色动画高频考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Motion Module 如何提升帧间一致性？06_GAN数字人与AIGC前沿高频考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →DiT、Flow Matching、多模态大视频模型对数字人有什么影响？多模态模态生成器Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →简要介绍视频生成器Zeroscope的工作内容？展开剩余 9 份题集多模态核心模型Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →Sora模型的视频生成技术有何突破?01_AI视频核心基础知识Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →视频扩散模型如何处理时间一致性？02_视频生成核心基础架构模型Rocky Ding · AIGC-Interview-Book · 3 条原题查看题集 →请讲一讲T5模型的原理,以及在视频生成领域的作用视频生成中需解决“文本-视频语义对齐”问题，T5如何参与这一过程？关键技术是什么？T5在文本到视频生成（Text-to-Video Generation）中扮演什么角色？其核心优势是什么？03_视频生成典型模型与架构Rocky Ding · AIGC-Interview-Book · 15 条原题查看题集 →请介绍下StableVideoDiffusion的核心架构？以及有哪些创新点？Sora有哪些创新点？Sora在训练时是如何处理输入数据的？展开其余 12 条原题Sora模型的整体架构是什么样的？Sora等AI视频大模型的创新与优化经验有哪些？Sora的扩散模型部分架构是什么样的？Sora的Text Encoder模型架构是什么样的？Sora支持哪几种多模态输入？可灵AI视频大模型的架构是什么样的？介绍一下Wan2.1视频大模型的主要架构Wan2.1视频大模型的3D Transformer模型架构是什么样的？介绍一下HunyuanVideo模型的架构CogVideoX模型的整体架构是什么样的？CogVideoX-5B和CogVideoX-2B有哪些异同？AnimateDiff视频模型能够支持哪些AI视频任务？01_AI视频基础概念Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →生成模型不显式使用光流，为什么仍能生成运动？显式运动表征还有什么价值？02_AI视频生成核心架构Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →视频扩散模型训练时究竟学什么？为什么不能理解为逐帧去噪？为什么不能把图像生成主干简单复制到每一帧？03_视频生成与编辑技术路线Rocky Ding · AIGC-Interview-Book · 6 条原题查看题集 →Sora 如何通过 spacetime patches 和 Diffusion Transformer 统一建模图像与视频？Movie Gen 的大规模 Transformer 和长上下文设计说明了什么？HunyuanVideo 的 systematic framework 包含哪些关键设计？展开其余 3 条原题为什么 Wan 是开放视频模型家族？其底层技术路线是什么？Step-Video-T2V 如何协调 30B DiT、深压缩 Video-VAE 与 Flow Matching？CogVideoX 的 3D Causal VAE 与 Expert Transformer 如何协作？04_长视频生成与分镜叙事Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →为什么上下文爆炸会成为长视频生成的核心瓶颈？05_视频生成训练与工程优化Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →为什么 token budget 是视频生成训练的核心约束？相关题目4 题0522轨迹模型采用什么动作空间？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0536你了解哪些多模态大模型及其原理？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0777视频帧是否作为图片文件直接输入多模态模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇0787长视频为什么不能一次全部交给大模型？同一知识专题题目类型：原理机制技术难度：基础相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题PaLM-E 如何把连续传感器输入接入语言模型并用于具身任务？下一题 →3D-LLM 如何把点云等三维场景表示接入语言模型？
