AI視頻專題研究：智能影像新紀元.pdf

AI視頻專題研究：智能影像新紀元。技術(shù)路線：基于擴散模型的AI視頻工具發(fā)展迅速，數(shù)據(jù)、算力、算法驅(qū)動產(chǎn)品完善。高度靈活且易于計算的擴散模型是當前AI視頻工具的主流 底層模型，催生Runaway Gen 2、SVD、Pika 1.0等AI視頻工具，擁有文/圖/視頻生視頻、局部重繪、故事板、3D合成多重功能。AI視頻已經(jīng)取 得初步進展，在數(shù)據(jù)、算力、算法提升的驅(qū)動下有望不斷完善：1）數(shù)據(jù)集：量級多在千萬級，例如根據(jù)WebVid官網(wǎng)數(shù)據(jù)，截至2023年12月， 常用文本-視頻數(shù)據(jù)集WebVid-10M擁有1070萬個文本-視頻對，較文生文和文生圖的訓練集更少；2）算力：從調(diào)用API價格推測，視頻生成所 需算力成本近似于逐幀圖片生成成本，算力消耗更大；3）算法：VAE分解合成、將時間維度引入潛在擴散模型等方案有效提高動作的逼真感和 視頻的分辨率，“從粗到細”、并行聯(lián)合去噪等路線則為生成時長提供有效解決方案。

模型實測：動作流暢度、畫面美感表現(xiàn)好，文本理解待深化，迭代版本效果顯著提升。橫向?qū)Ρ壬希覀働ika Beta、Stable Video Diffusion、 Runaway Gen 2文生視頻模型進行實測，三大模型分別能在30/60/70秒生成高質(zhì)量的3~4秒視頻，Runaway Gen 2的綜合表現(xiàn)相對占優(yōu)。三大 模型在文本理解方面還有待深化，我們推測主要是訓練數(shù)據(jù)量的限制。縱向迭代上，PIKA 1.0的視頻生成效果相比Pika Beta版本在智能創(chuàng)作、 場景渲染、細節(jié)渲染、解剖結(jié)構(gòu)等多個維度均有顯著提高，僅用6個月時間實現(xiàn)突破進展。

前景展望：影視內(nèi)容、廣告、游戲、教育等領(lǐng)域應用廣泛，2028年市場空間有望達到573億元。各廠商的產(chǎn)品功能逐漸豐富、生成效果持續(xù)提 升、交互平臺更加完善，影視內(nèi)容、廣告、游戲、教育等領(lǐng)域應用廣泛。在25%AI視頻滲透率的假設(shè)下，我們預測2028年市場空間有望達到 573億元。