主要参考资料
B站视频《Sora 夜谈之 Video Diffusion 综述》

图像Diffusion模型发展脉络

相较于直接在图像层Pixel space加噪和降噪，Latent Diffusion则通过编码增加了一层Latent层，在比较低的维度上计算，节省了计算资源。

而Stable diffusion就是其中最有名的一个开源模型。

右下角是Stable Diffusion XL与其他版本的比较。

ControlNet则是提供了其他模态，比如sketch或者骨骼图生成想要的效果。

视频Diffusion模型发展脉络

这是2022谷歌的第一个视频扩散模型，只能生成64×64，16帧的视频。

Meta后来做了一个提高分辨率和帧率的模型


以上都是在pixel space上生成的生成的视频，后来英伟达把Diffusion应用在视频上。

视频模型评价标准

视频模型评价标准分为主观和客观评价。