人工智能行业专题报告：Sora划时代，算力应用再加速.pdf

上传者：十一路
时间：2024/02/20
浏览次数：550
下载次数：48
0人点赞
举报

人工智能行业专题报告：Sora划时代，算力应用再加速。文本生成视频：Sora能够根据用户提供的文本描述生成长达60S的视频。深化语言理解：利用GPT技术将简短的用户提示转换为更长的详细转译，并将其发送到视频模型。图片生成能力：Sora可以根据用户需求，生成可变大小的图像，最高可达惊人的2048 × 2048分辨率。新的模拟能力：Sora具有3D一致性、较长视频的连贯性和对象持续性，能与世界互动，模拟数字世界。

多模态下游应用百花齐放

多模态+视频创作：提升创作者效率。除了Sora、Runway外，Lumiere能够在单个过程中生成完整的视频序列，而非简单组合静态帧。这种技术能够同时处理视频的空间（即视频中的对象）和时间（即视频中的运动）方面，为用户带来更加自然和流畅的运动感知体验。  多模态+自动驾驶：彻底改变人车交互。商汤提出DriveMLM模型，可实现闭环测试中操控车辆，超过之前的端到端和基于规则的自动驾驶系统方法。

多模态+广告（电商）：创造多样化营销卖点。利用AI技术进一步提升数字人的多样性，比如人脸替换、背景替换、口音语音替换去适配我们的 prompt，最后脚本、数字人脸替换、背景替换等，视频压制之后，就可以得到一个口播视频；还可以帮助商业实现营销海报的生成。

多模态+教育：提升教学效率，加强人机互动。Stable Diffusion等图像生成模型，可以依据教学需求输入主体及其细节的文本描述，快速自动生成多种风格、高清逼真、蕴含美感的美育类教学资源，所生成的教学资源既具备显著的跨模态性，又具有新颖性与独特性。

多模态+医疗：为临床医疗任务提供更为智能、高效的解决方案。临床医疗业务产生的大量数据以不同模态存储于数据库中，对它们整理、清洗后，再经过预处理进行多模态融合。多模态融合可以有机整合不同的信息，相比单模态信息更加全面。

多模态+安防：AI+安防加速演变。根据全球政企解决方案，目前在国内“AI+安防”领域AI技术三个落地到产品端的应用方向是：生物识别技术、视频结构化和物体识别系统。其中，生物识别技术应用时间最早，涉及较为范围广，且为人像识别的入口技术。