11月20日消息，Meta 19 日宣布为 Facebook 和 Instagram 推出两款基于 AI 的图像编辑工具，分别是“Emu Edit”和“Emu Video”，适用领域包括照片和视频，目前 Meta 公布了这两项 AI 工具的更多信息。
官方介绍称，Emu Edit 模型仅用文字指令就可以准确编辑图像，而通过分解文字转视频（Text-to-Video，T2V）的生成过程，开发团队公布了一种名为 Emu Video 的方法，可以改善最终生成视频的品质和多样性。
据悉，Emu Edit 号称是一种创新的影像编辑方法，目的是要简化各种影音操作任务，为视频编辑提供更多功能与更高的精确度。Emu Edit 可以接受用户指令，进行各种形式的编辑，包括区域和全局编辑、移除和添加背景，也能够调整颜色并进行矢量图转换，或进行图像构成元素的检测和分割。
Meta 表示，Emu Edit 把视觉任务作为指令，纳入到所生成模型中，进而在视频生成和编辑中，提供更好的控制能力。研究人员指出，当前的图像编辑模型，通常会过度修改图像，或是修改不足，而 Emu Edit 的优势在于能够准确按照指令进行编辑。
Meta 使用了 1000 万个合成数据集训练 Emu Edit，号称是目前同类中规模最大的数据集，从而带来了更好的图像编辑能力，其中每个样本都包含图像输入、任务描述，以及目标输出图像。可使模型忠实地执行指令，产生“比当前所有竞品都要好的结果”。
而 Emu Video 是一种简单且高效的文字转视频生成方法，该方法运用扩散模型，并以 Emu Edit 为基础。开发团队解释，这种通过生成视频的架构能够应对外界各种输入方式，包括文字、图像、图文组合等，此外 Emu Video 也能接受文字类提示词，将用户提供的图像“动画化”，从而提供了“超越过去模型的能力”。
Emu Video 将影片生成过程拆分为两个步骤，首先是根据文字提示生成图像，然后基于文字和生成图像产生视频。这种拆分步骤的影片生成方法，让研究人员可以有效地训练生成模型。
研究人员进一步解释，Emu Video 与过去 Make-A-Video 等需要一系列深度生成模型的研究不同，Emu Video 更简单，仅使用 2 个扩散模型，就能生成 512x512 分辨率、每秒 16FPS、长 4 秒钟的视频。
Meta 援引评估数据，证明 Emu Video 生成的视频品质以及“遵循提示词的忠实程度”相对业内竞品更好。在品质方面，有 96％受访者偏好 Emu Video 而非此前的 Make-A-Video 方案，而对于“提示词的忠实度”方面，Emu Video 获得了 85％受访者的青睐。
- 蜜度索骥：以跨模态检索技术助力“企宣”向上生长
- 优信发布财报：零售量环比同比均增长 预计2025财年业务量增长超200%
- 36氪Q4季报图解：营收1亿同比增7% 净亏1766万
- 联想控股2023年净亏损38.74亿元同比转亏，营收下降10%
- 腾讯音乐Q4及年报：在线音乐强劲增长，持续促进产业共赢
- 微软Q2营收620.2亿美元超预期，净利218.7亿同比增长33%
- 又来一波大裁员？硅谷到底怎么了
- 苹果改造应用商店并不情愿，还给开发者"挖了个坑"
- 研究报告：2024年全球科技支出将增长5.3%至4.7万亿美元
- Alphabet旗下研究前沿技术的X实验室裁员几十人，寻求外部投资者
- 京东：旗下子公司达达在内部审计过程中发现存疑行为
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
