Video Diffusion Models: A Survey

最近，扩散生成模型已成为生成和修改连贯、高质量视频的强大技术。本综述提供了扩散模型视频生成的关键要素的系统概述，包括应用、架构选择和时间动态建模。对该领域的最新进展进行了总结，并分组成发展趋势。综述最后总结了剩余的挑战，并展望了该领域的未来。网址：https://github.com/ndrwmlnk/Awesome-Video-Diffusion-Models。

视频生成是人工智能领域的热门研究方向，然而现有的生成模型往往难以生成高质量、连贯的视频。本文旨在探讨利用扩散生成模型生成和修改高质量视频的关键问题。

本文提出了一种基于扩散过程的生成模型，通过将视频帧看作图像，使用可逆神经网络进行训练，以生成连贯的视频。此外，文章还提出了一种新的时间动态建模方法，可以更好地处理视频中的运动。

本文介绍了扩散生成模型的基本原理和常用架构，并详细讨论了时间动态建模的方法。作者还在多个数据集上进行了实验，证明了该模型生成的视频质量优于当前最先进的方法。此外，作者还开源了代码和数据集。

近期的相关研究包括PixelCNN、PixelRNN、VAE等模型的应用，以及对这些模型的改进。例如，PixelSNAIL、DDPM等模型都在视频生成领域取得了一定的成果。