AI视频专题研究：智能影像新纪元.pdf

AI视频专题研究：智能影像新纪元。技术路线：基于扩散模型的AI视频工具发展迅速，数据、算力、算法驱动产品完善。高度灵活且易于计算的扩散模型是当前AI视频工具的主流 底层模型，催生Runaway Gen 2、SVD、Pika 1.0等AI视频工具，拥有文/图/视频生视频、局部重绘、故事板、3D合成多重功能。AI视频已经取 得初步进展，在数据、算力、算法提升的驱动下有望不断完善：1）数据集：量级多在千万级，例如根据WebVid官网数据，截至2023年12月， 常用文本-视频数据集WebVid-10M拥有1070万个文本-视频对，较文生文和文生图的训练集更少；2）算力：从调用API价格推测，视频生成所 需算力成本近似于逐帧图片生成成本，算力消耗更大；3）算法：VAE分解合成、将时间维度引入潜在扩散模型等方案有效提高动作的逼真感和 视频的分辨率，“从粗到细”、并行联合去噪等路线则为生成时长提供有效解决方案。

模型实测：动作流畅度、画面美感表现好，文本理解待深化，迭代版本效果显著提升。横向对比上，我们Pika Beta、Stable Video Diffusion、 Runaway Gen 2文生视频模型进行实测，三大模型分别能在30/60/70秒生成高质量的3~4秒视频，Runaway Gen 2的综合表现相对占优。三大 模型在文本理解方面还有待深化，我们推测主要是训练数据量的限制。纵向迭代上，PIKA 1.0的视频生成效果相比Pika Beta版本在智能创作、 场景渲染、细节渲染、解剖结构等多个维度均有显著提高，仅用6个月时间实现突破进展。

前景展望：影视内容、广告、游戏、教育等领域应用广泛，2028年市场空间有望达到573亿元。各厂商的产品功能逐渐丰富、生成效果持续提 升、交互平台更加完善，影视内容、广告、游戏、教育等领域应用广泛。在25%AI视频渗透率的假设下，我们预测2028年市场空间有望达到 573亿元。