申请/专利权人：支付宝(杭州)信息技术有限公司

申请日：2023-11-27

公开（公告）日：2024-03-19

公开（公告）号：CN117315056B

主分类号：G06T9/00

分类号：G06T9/00;H04N5/262;G06N3/0464;G06N3/045;G06N3/08;G06T5/70;G06T5/50

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本说明书实施例提供一种视频编辑方法及装置，其中视频编辑的实现基于预训练的文生图模型，所述文生图模型包括Unet模型。该方法包括：首先，确定与原始视频的n个视频帧对应的n个加噪编码，以及，确定与引导视频编辑的描述文本对应的文本编码。然后，利用文本编码和Unet模型对n个加噪编码分别进行去噪处理，得到n个去噪编码；其中Unet模型包括接续在目标网络层之后的自注意力层，对任意第i个加噪编码进行的去噪处理包括：在Unet模型的自注意力层中，基于目标网络层针对第i个加噪编码的输出，以及目标网络层针对预定的目标加噪编码的输出进行注意力计算。之后，分别对n个去噪编码进行解码处理，得到n个目标图像，用于形成编辑后的目标视频。

主权项：1.一种视频编辑方法，其实现基于预训练的文生图模型，所述文生图模型包括Unet模型，所述方法包括：确定与原始视频的n个视频帧对应的n个加噪编码，以及，确定与引导视频编辑的描述文本对应的文本编码；利用所述文本编码和复制所述Unet模型而得到的n个Unet模型，对所述n个加噪编码进行去噪处理，得到n个去噪编码；其中各Unet模型包括接续在目标网络层之后的自注意力层，所述去噪处理包括：在任意第i个Unet模型的自注意力层中，基于第i个Unet模型的目标网络层的输出，以及预定的目标Unet模型中目标网络层的输出进行注意力计算；所述目标Unet模型为预定的第j个Unet模型；分别对所述n个去噪编码进行解码处理，得到n个目标图像，用于形成编辑后的目标视频。

全文数据：

权利要求：

百度查询： 支付宝(杭州)信息技术有限公司 视频编辑方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD