看到Imagen这个字眼，那不是前阵子很火的文本图像生成圈的一个模型吗？这不，谷歌在10月份基于这个模型的基础上，发布了能够生成短视频的ImagenVideo模型。ImagenVideo，是基于文本条件生成视频的模型。给定相应的文本提示，在基于“视频生成模型”和“交错时空视频流超分辨率模型”，ImagenVideo能够生成高清晰度的视频。在论文中，主要描述了如何构建一个高清晰度的文本视频生成模型。比如，在特定分辨率下，如何选择完全卷积时域和空间超分辨率模型，以及如何选择扩散模型中的参数。同时把之前的文本图像生成的扩散模型，迁移到文本视频生成模型上。最后使用分类器进行指导，以实现快速和高质量的采
