揭秘Sora技术路线：核心成员来自伯克利，基础论文曾被CVPR拒稿

Sora，这款新兴的艺术形式，源于AI生成视频的技术革新。OpenAI的最新杰作Sora，以其显著超越现有技术的高质量视频生成效果，让业界惊叹。这一突破得益于Diffusion Transformer（DiT）模型的创新应用，它通过操作视频和图像的时空patch，展现出多模态生成的强大潜力。

Sora的研发团队虽精干，核心成员包括Tim Brooks、William Peebles等，他们在视频生成领域有着深厚的学术背景，比如Brooks曾在谷歌和英伟达工作，并在UC Berkeley接受过Alyosha Efros的指导。Peebles的论文“Scalable diffusion models with transformers”为Sora奠定了技术基础，尽管初期曾遭CVPR拒绝，但在ICCV 2023上受到认可。

Sora的成功还得益于其他机构的多项先进技术，如谷歌大脑的世界模型、UC Berkeley的VideoGPT、微软亚洲研究院的NÜWA、Meta的MAE以及慕尼黑大学和Runway的Latent Diffusion Models等。这些研究共同推动了计算机视觉和自然语言处理的发展，为Sora铺平了道路。

未来，AI生成视频的技术趋势仍有待深入探究，而Sora的出现无疑激发了更多关于创新和可能性的讨论。即使不具备OpenAI的资源，我们仍能在这一领域找到自己的探索之路。

本文来源： 机器之心【阅读原文】