UniVidX：扩散先验驱动的统一多模态通用视频生成框架
UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors

Houyuan Chen, Hong Li, Xianghao Kong, Tianrui Zhu, Shaocong Xu, 等 (+6)
⭐ 63

• UniVidX是一个创新的统一多模态框架，旨在利用视频扩散模型先验实现多样化和多功能的视频生成。
• 该框架引入了随机条件掩码机制，以增强模型对不同输入条件的适应性，提升生成视频的多样性。
• 采用了独特的解耦门控LoRA（低秩适应）技术，有效管理并优化了多模态信息的整合与处理。
• 通过创新的跨模态自注意力机制，UniVidX能够深入理解并融合文本、图像等多种模态信息，从而生成高质量视频。

🔗 arXiv · 🤗 HF

#视频生成 #扩散模型 #多模态 #统一框架

X2SAM：统一图像与视频全能分割的多模态大模型
X2SAM: Any Segmentation in Images and Videos
⭐ 8 · arXiv · HF
#多模态大模型 #视频分割 #视觉提示 #时序一致性 #统一框架