FIFO-Diffusion，一个无需额外训练即可生成长视频的框架。通过每个帧引用足够多的先前帧来生成高质量、一致的长视频。

文章预览

简单来讲，FIFO-Diffusion先通过一些模型如VideoCraft2、zeroscope、Opem-Sora Plan等与FIFO-Diffusion的组合生成短视频，然后取结尾的帧（也可以取多帧），再用这一帧的图片生成另一段短视频，然后拼接起来。FIFO-Diffusion对如何取帧、生成新视频的时候引用往前的多少帧，以及如何去噪加噪做了算法优化。 从演示的视频来看在一些场景下效果已经相当可以了，复杂画面的闪烁会有点严重。 相关链接 论文：arxiv.org/abs/2405.11473 项目：jjihwan.github.io/projects/FIFO-Diffusion 代码：github.com/jjihwan/FIFO-Diffusion_public 论文阅读 FIFO-Diffusion:无需训练即可从文本生成无限视频 摘要 我们提出了一种基于预训练扩散模型的新颖推理技术，用于文本条件视频生成。我们的方法称为 FIFO-Diffusion，从概念上讲，无需训练即可生成无限长的视频。这是通过迭代执行对角去噪来实现的，该去噪同 ………………………………