Difūzijas modeļu izmantošana video ģenerēšanā

Abstract

Difūzijas modeļi ir ģeneratīvo modeļu klase, kas pēdējo gadu laikā ir parādījusi savu potenciālu dažādās jomās. Lai gan tie jau ir plaši pielietoti attēlu sintēzē, to izmantošana video ģenerēšanā saskaras ar vairākiem izaicinājumiem, kas ir saistīti ar nepieciešamību nodrošināt telpisko un temporālo saskaņotību starp kadriem. Šajā bakalaura darbā tiek veikta teorētiska un praktiska difūzijas modeļu izpēte, koncentrējoties uz to spēju ģenerēt kvalitatīvus video datus. Darba ietvaros tiek analizēti dažādi video ģenerēšanas pieejas piemēri, salīdzināti difūzijas modeļi ar citām ģeneratīvo modeļu klasēm, izstrādāts eksperiments ar pielāgotu difūzijas modeli un veikta iegūto rezultātu analīze. Darbs sniedz pārskatu par aktuālajām tendencēm šajā jomā un piedāvā izvērtējumu par difūzijas modeļu praktisko pielietojamību video sintēzē.

Diffusion models are a class of generative models that have shown significant potential across various domains in recent years. While they have already been widely applied in image synthesis, their application in video generation faces several challenges, primarily due to the need to ensure spatial and temporal consistency between frames. This bachelor thesis provides both a theoretical and practical exploration of diffusion models, focusing on their ability to generate high-quality video data. The work analyzes different approaches to video generation, compares diffusion models with other classes of generative models, designs an experiment using a customized diffusion model, and evaluates the obtained results. The thesis offers an overview of current trends in the field and presents an assessment of the practical applicability of diffusion models for video synthesis.