Vchitect T2V est un ensemble de données de génération vidéo publié par le Laboratoire d'intelligence artificielle de Shanghai en 2025. Les résultats de l'article associé sont «Vchitect-2.0 : Transformateur parallèle pour modèles de diffusion vidéo à grande échelle« L'objectif est de se concentrer sur l'amélioration de la capacité du modèle à convertir entre le texte et le contenu visuel, en aidant les chercheurs et les développeurs à progresser dans la génération d'images, la compréhension sémantique, les tâches intermodales, etc. L'ensemble de données contient 14 millions de vidéos de haute qualité, chacune avec des légendes de texte détaillées.

Citation

@article{fan2025vchitect,
title={Vchitect-2.0: Parallel Transformer for Scaling Up Video Diffusion Models},
author={Fan, Weichen and Si, Chenyang and Song, Junhao and Yang, Zhenyu and He, Yinan and Zhuo, Long and Huang, Ziqi and Dong, Ziyue and He, Jingwen and Pan, Dongwei and others},
journal={arXiv preprint arXiv:2501.08453},
year={2025}
}
@article{si2025RepVideo,
title={RepVideo: Rethinking Cross-Layer Representation for Video Generation},
author={Si, Chenyang and Fan, Weichen and Lv, Zhengyao and Huang, Ziqi and Qiao, Yu and Liu, Ziwei},
journal={arXiv 2501.08994},
year={2025}
}