蘋果推出 STARFlow-V 視頻模型，獨家采用“歸一化流”，實現(xiàn)長達(dá)30秒的畫面穩(wěn)定

　　蘋果公司正式發(fā)布了其全新的視頻生成模型 STARFlow-V，該模型在底層技術(shù)上與當(dāng)前主流的Sora、Veo和Runway等競爭對手完全不同。STARFlow-V 放棄了業(yè)界主流的擴(kuò)散模型（Diffusion Model），轉(zhuǎn)而采用**“歸一化流”（Normalizing Flow）**技術(shù)，旨在解決長視頻片段生成中的穩(wěn)定性和錯誤累積問題。

　　擴(kuò)散模型通過多步迭代去除噪聲來生成視頻，而STARFlow-V的核心“歸一化流”技術(shù)，則直接學(xué)習(xí)隨機(jī)噪聲和復(fù)雜視頻數(shù)據(jù)之間的數(shù)學(xué)變換。這一根本性差異帶來了幾大優(yōu)勢:

　　訓(xùn)練效率:訓(xùn)練過程只需一次完成，無需多次小迭代，提高了效率。

　　生成速度:訓(xùn)練完成后可直接生成視頻，無需迭代計算，生成速度得到顯著提升。

　　錯誤減少:減少了逐步生成過程中常見的錯誤。

　　蘋果表示，STARFlow-V是首個在視覺質(zhì)量和速度上能與擴(kuò)散模型相媲美的同類技術(shù)。通過并行處理和重用先前幀數(shù)據(jù)，其生成五秒視頻的速度比初始版本提高了約15倍。

　　 雙架構(gòu)應(yīng)對長視頻挑戰(zhàn)

　　生成長序列是當(dāng)前視頻AI技術(shù)的難題，因逐幀生成容易導(dǎo)致誤差累積。STARFlow-V采用雙架構(gòu)方法來緩解這一問題:

　　一個組件管理跨幀的時間序列（運(yùn)動一致性）。

　　另一個組件優(yōu)化單個幀內(nèi)的細(xì)節(jié)（畫面質(zhì)量）。

　　通過這種設(shè)計，STARFlow-V在長達(dá)30秒的演示片段中保持了穩(wěn)定性，而競爭對手如NOVA和Self-Forcing在幾秒后便開始出現(xiàn)模糊或色彩失真。