百度最近发布了一款名为UniVG的视频生成模型，它具有处理各种文本和图像组合输入的能力。UniVG的特色在于对高自由度和低自由度两种任务采用不同的生成方式，以更好地平衡两者之间的关系。
项目地址:https://top.aibase.com/tool/univg
项目演示页面:https://univg-baidu.github.io/
具体而言，该系统引入了“多条件交叉注意力”技术，用于高自由度视频生成，以生成与输入图像或文本语义一致的视频。而在低自由度视频生成方面，采用了“偏置高斯噪声”的方法，相较于传统的完全随机高斯噪声更能有效地保留输入条件的原始内容。
UniVG的技术性能在MSR-VTT视频数据库上表现出色，获得了最低的帧间视频差异性度量。这一成绩不仅超越了当前的开源方法，还与业界领先的闭源方法Gen2不相上下，展现了其在实用价值和技术优势方面的卓越表现。
总的来说，UniVG的推出填补了视频生成模型领域的一些空白，为用户提供了更灵活的输入方式，满足了真实世界多变的应用需求。
该模型的多模态视频生成系统在处理不同自由度任务时展现出色的性能，为未来的视频生成领域带来了新的可能性。如果你对这一领域感兴趣，可以通过访问UniVG官方网站了解更多信息。