जनरेटिव एआई पिछले कुछ समय से एआई समुदाय में एक प्रेरक शक्ति रही है, और विशेष रूप से प्रसार मॉडल के उपयोग के साथ जेनरेटिव इमेज मॉडलिंग के क्षेत्र में हुई प्रगति ने जेनेरेटिव वीडियो मॉडल को न केवल अनुसंधान में, बल्कि इसके संदर्भ में भी महत्वपूर्ण प्रगति करने में मदद की है। वास्तविक दुनिया के अनुप्रयोग। परंपरागत रूप से, जेनरेटिव वीडियो मॉडल को या तो स्क्रैच से प्रशिक्षित किया जाता है, या उन्हें छवि और वीडियो डेटासेट के मिश्रण पर अतिरिक्त अस्थायी परतों के साथ पूर्व-प्रशिक्षित छवि मॉडल से आंशिक रूप से या पूरी तरह से परिष्कृत किया जाता है। 

जेनरेटिव वीडियो मॉडल में प्रगति को आगे बढ़ाते हुए, इस लेख में हम बात करेंगे स्थिर वीडियो प्रसार मॉडल, एक गुप्त वीडियो प्रसार मॉडल जो उच्च-रिज़ॉल्यूशन, वीडियो में अत्याधुनिक छवि और वीडियो सामग्री में टेक्स्ट उत्पन्न करने में सक्षम है। हम इस बारे में बात करेंगे कि कैसे 2डी छवियों को संश्लेषित करने के लिए प्रशिक्षित अव्यक्त प्रसार मॉडल ने अस्थायी परतों को जोड़कर और उच्च गुणवत्ता वाले वीडियो वाले छोटे डेटासेट पर मॉडल को ठीक करके जेनरेटिव वीडियो मॉडल की क्षमताओं और दक्षता में सुधार किया है। हम स्थिर वीडियो डिफ्यूजन मॉडल की वास्तुकला और कार्यप्रणाली में गहराई से उतरेंगे, और विभिन्न मेट्रिक्स पर इसके प्रदर्शन का मूल्यांकन करेंगे और वीडियो निर्माण के लिए वर्तमान अत्याधुनिक ढांचे के साथ इसकी तुलना करेंगे। तो चलो शुरू हो जाओ। 

स्थिर वीडियो प्रसार मॉडल और जनरेटिव वीडियो मॉडल: एक परिचय

अपनी लगभग असीमित क्षमता के कारण, जेनेरेटिव एआई पिछले कुछ समय से एआई और एमएल चिकित्सकों के लिए अनुसंधान का प्राथमिक विषय रहा है, और पिछले कुछ वर्षों में जेनेरेटिव इमेज मॉडल की दक्षता और प्रदर्शन दोनों के मामले में तेजी से प्रगति देखी गई है। जेनेरिक इमेज मॉडल से मिली सीख ने शोधकर्ताओं और डेवलपर्स को जेनेरिक वीडियो मॉडल पर प्रगति करने की अनुमति दी है जिसके परिणामस्वरूप व्यावहारिकता और वास्तविक दुनिया के अनुप्रयोगों में वृद्धि हुई है। हालाँकि, जेनरेटिव वीडियो मॉडल की क्षमताओं में सुधार करने का प्रयास करने वाले अधिकांश शोध मुख्य रूप से अस्थायी और स्थानिक परतों की सटीक व्यवस्था पर ध्यान केंद्रित करते हैं, इन जेनरेटिव मॉडल के परिणाम पर सही डेटा के चयन के प्रभाव की जांच पर थोड़ा ध्यान दिया जाता है।

जेनेरिक इमेज मॉडल द्वारा की गई प्रगति के लिए धन्यवाद, शोधकर्ताओं ने देखा है कि जेनेरिक मॉडल के प्रदर्शन पर प्रशिक्षण डेटा वितरण का प्रभाव वास्तव में महत्वपूर्ण और निर्विवाद है। इसके अलावा, शोधकर्ताओं ने यह भी देखा है कि बड़े और विविध डेटासेट पर एक जेनरेटिव इमेज मॉडल को पहले से प्रशिक्षित करने के बाद इसे बेहतर गुणवत्ता के साथ छोटे डेटासेट पर फाइन-ट्यून करने से अक्सर प्रदर्शन में काफी सुधार होता है। परंपरागत रूप से, जेनरेटिव वीडियो मॉडल सफल जेनरेटिव इमेज मॉडल से प्राप्त सीखों को लागू करते हैं, और शोधकर्ताओं को डेटा के प्रभाव का अध्ययन करना बाकी है, और प्रशिक्षण रणनीतियों का अध्ययन किया जाना बाकी है। स्टेबल वीडियो डिफ्यूजन मॉडल डेटा के चयन पर विशेष ध्यान देने के साथ पहले से अज्ञात क्षेत्रों में उद्यम करके जेनरेटिव वीडियो मॉडल की क्षमताओं को बढ़ाने का एक प्रयास है। 

हाल के जेनरेटिव वीडियो मॉडल कई सुसंगत वीडियो या छवि फ़्रेमों को संश्लेषित करने के लिए प्रसार मॉडल और टेक्स्ट कंडीशनिंग या छवि कंडीशनिंग दृष्टिकोण पर भरोसा करते हैं। प्रसार मॉडल यह सीखने की क्षमता के लिए जाने जाते हैं कि पुनरावृत्तीय शोधन प्रक्रिया को कार्यान्वित करके सामान्य वितरण से एक नमूने को धीरे-धीरे कैसे निरूपित किया जाए, और उन्होंने उच्च-रिज़ॉल्यूशन वीडियो और पाठ से छवि संश्लेषण पर वांछनीय परिणाम दिए हैं। अपने मूल में समान सिद्धांत का उपयोग करते हुए, स्थिर वीडियो डिफ्यूजन मॉडल अपने वीडियो डेटासेट पर जेनरेटिव एडवरसैरियल नेटवर्क या जीएएन और यहां तक ​​कि कुछ हद तक ऑटोरेग्रेसिव मॉडल के उपयोग के साथ एक अव्यक्त वीडियो डिफ्यूजन मॉडल को प्रशिक्षित करता है। 

स्थिर वीडियो डिफ्यूजन मॉडल एक अनूठी रणनीति का अनुसरण करता है जिसे किसी भी जेनरेटिव वीडियो मॉडल द्वारा कभी भी लागू नहीं किया गया है क्योंकि यह एक निश्चित आर्किटेक्चर के साथ अव्यक्त वीडियो डिफ्यूजन बेसलाइन पर निर्भर करता है, और डेटा को क्यूरेट करने के प्रभाव का आकलन करने के बाद एक निश्चित प्रशिक्षण रणनीति पर निर्भर करता है। स्टेबल वीडियो डिफ्यूजन मॉडल का लक्ष्य जेनरेटिव वीडियो मॉडलिंग के क्षेत्र में निम्नलिखित योगदान देना है। 

1. बिना क्यूरेटेड वीडियो नमूनों के एक बड़े संग्रह को उच्च-गुणवत्ता वाले डेटासेट में बदलने के प्रयास में एक व्यवस्थित और प्रभावी डेटा क्यूरेशन वर्कफ़्लो प्रस्तुत करना, जिसका उपयोग जेनरेटिव वीडियो मॉडल द्वारा किया जाता है। 
2. अत्याधुनिक छवि से वीडियो और टेक्स्ट से वीडियो मॉडल को प्रशिक्षित करना जो मौजूदा ढांचे से बेहतर प्रदर्शन करता है। 
3. 3डी समझ और मॉडल की गति से पहले मजबूत जांच के लिए डोमेन-विशिष्ट प्रयोगों का संचालन करना। 

अब, स्टेबल वीडियो डिफ्यूजन मॉडल अपनी नींव के मूल में अव्यक्त वीडियो डिफ्यूजन मॉडल और डेटा क्यूरेशन तकनीकों से सीख को लागू करता है। 

अव्यक्त वीडियो प्रसार मॉडल

अव्यक्त वीडियो डिफ्यूजन मॉडल या वीडियो-एलडीएम कम कम्प्यूटेशनल जटिलता के साथ अव्यक्त स्थान में प्राथमिक जेनरेटर मॉडल को प्रशिक्षित करने के दृष्टिकोण का पालन करते हैं, और अधिकांश वीडियो-एलडीएम प्रीट्रेनिंग में अस्थायी मिश्रण परतों के अतिरिक्त छवि मॉडल के लिए एक पूर्व प्रशिक्षित पाठ को लागू करते हैं। वास्तुकला। परिणामस्वरूप, अधिकांश वीडियो लेटेंट डिफ्यूजन मॉडल या तो केवल अस्थायी परतों को प्रशिक्षित करते हैं, या स्थिर वीडियो डिफ्यूजन मॉडल के विपरीत प्रशिक्षण प्रक्रिया को पूरी तरह से छोड़ देते हैं जो पूरे ढांचे को ठीक करता है। इसके अलावा, टेक्स्ट से वीडियो डेटा को संश्लेषित करने के लिए, स्थिर वीडियो डिफ्यूजन मॉडल सीधे टेक्स्ट प्रॉम्प्ट पर खुद को कंडीशन करता है, और परिणाम बताते हैं कि परिणामी ढांचे को मल्टी-व्यू संश्लेषण या एक छवि से वीडियो मॉडल में आसानी से समायोजित किया जा सकता है। 

डेटा क्यूरेशन

डेटा क्यूरेशन न केवल स्थिर वीडियो डिफ्यूजन मॉडल का एक आवश्यक घटक है, बल्कि समग्र रूप से जेनरेटिव मॉडल के लिए भी है क्योंकि भाषा मॉडलिंग, या छवि निर्माण के लिए भेदभावपूर्ण पाठ सहित विभिन्न कार्यों में प्रदर्शन को बढ़ावा देने के लिए बड़े पैमाने पर डेटासेट पर बड़े मॉडल को पूर्व-प्रशिक्षित करना आवश्यक है। , और भी बहुत कुछ। कुशल भाषा-छवि प्रतिनिधित्व की क्षमताओं का लाभ उठाकर जेनरेटिव इमेज मॉडल पर डेटा क्यूरेशन को सफलतापूर्वक लागू किया गया है, हालांकि जेनरेटिव वीडियो मॉडल विकसित करने के लिए ऐसी चर्चाओं पर कभी ध्यान केंद्रित नहीं किया गया है। जेनरेटिव वीडियो मॉडल के लिए डेटा क्यूरेट करते समय डेवलपर्स को कई बाधाओं का सामना करना पड़ता है, और इन चुनौतियों का समाधान करने के लिए, स्थिर वीडियो डिफ्यूजन मॉडल तीन-चरण प्रशिक्षण रणनीति लागू करता है, जिसके परिणामस्वरूप बेहतर परिणाम मिलते हैं, और प्रदर्शन में महत्वपूर्ण वृद्धि होती है। 

उच्च गुणवत्ता वाले वीडियो संश्लेषण के लिए डेटा क्यूरेशन

जैसा कि पिछले अनुभाग में चर्चा की गई है, स्थिर वीडियो डिफ्यूजन मॉडल तीन-चरणीय प्रशिक्षण रणनीति लागू करता है, जिसके परिणामस्वरूप बेहतर परिणाम और प्रदर्शन में उल्लेखनीय वृद्धि होती है। स्टेज I एक है छवि पूर्व प्रशिक्षण वह चरण जो छवि प्रसार मॉडल के लिए 2डी टेक्स्ट का उपयोग करता है। स्टेज II के लिए है वीडियो पूर्व प्रशिक्षण जिसमें फ्रेमवर्क बड़ी मात्रा में वीडियो डेटा पर प्रशिक्षित होता है। अंततः, हमारे पास चरण III है वीडियो फ़ाइनट्यूनिंग जिसमें मॉडल को उच्च गुणवत्ता और उच्च रिज़ॉल्यूशन वाले वीडियो के एक छोटे उपसमूह पर परिष्कृत किया जाता है। 

हालाँकि, स्थिर वीडियो डिफ्यूजन मॉडल इन तीन चरणों को लागू करने से पहले, डेटा को संसाधित करना और एनोटेट करना महत्वपूर्ण है क्योंकि यह स्टेज II या वीडियो प्री-ट्रेनिंग चरण के लिए आधार के रूप में कार्य करता है, और इष्टतम आउटपुट सुनिश्चित करने में महत्वपूर्ण भूमिका निभाता है। अधिकतम दक्षता सुनिश्चित करने के लिए, फ्रेमवर्क पहले 3 अलग-अलग एफपीएस या फ्रेम्स प्रति सेकंड स्तरों पर एक कैस्केड कट डिटेक्शन पाइपलाइन लागू करता है, और इस पाइपलाइन की आवश्यकता निम्नलिखित छवि में प्रदर्शित की जाती है। 

इसके बाद, स्थिर वीडियो डिफ्यूजन मॉडल तीन अलग-अलग सिंथेटिक कैप्शनिंग विधियों का उपयोग करके प्रत्येक वीडियो क्लिप को एनोटेट करता है। निम्न तालिका निस्पंदन प्रक्रिया से पहले और बाद में स्थिर प्रसार फ्रेमवर्क में उपयोग किए गए डेटासेट की तुलना करती है। 

चरण I: छवि पूर्व-प्रशिक्षण

स्थिर वीडियो डिफ्यूजन मॉडल में कार्यान्वित तीन-चरण पाइपलाइन में पहला चरण छवि पूर्व-प्रशिक्षण है, और इसे प्राप्त करने के लिए, प्रारंभिक स्थिर वीडियो डिफ्यूजन मॉडल ढांचे को पूर्व-प्रशिक्षित छवि प्रसार मॉडल के आधार पर तैयार किया गया है। स्थिर प्रसार 2.1 मॉडल जो इसे मजबूत दृश्य प्रतिनिधित्व से सुसज्जित करता है। 

स्टेज II: वीडियो प्री-ट्रेनिंग

दूसरा चरण वीडियो प्री-ट्रेनिंग चरण है, और यह इस निष्कर्ष पर आधारित है कि मल्टीमॉडल जेनरेटिव इमेज मॉडल में डेटा क्यूरेशन के उपयोग से अक्सर बेहतर परिणाम मिलते हैं, और शक्तिशाली भेदभावपूर्ण छवि निर्माण के साथ दक्षता में वृद्धि होती है। हालाँकि, जेनरेटिव वीडियो मॉडल के लिए अवांछित नमूनों को फ़िल्टर करने के लिए समान शक्तिशाली ऑफ-द-शेल्फ अभ्यावेदन की कमी के कारण, स्थिर वीडियो डिफ्यूजन मॉडल फ्रेमवर्क के पूर्व-प्रशिक्षण के लिए उपयोग किए जाने वाले उपयुक्त डेटासेट के निर्माण के लिए इनपुट सिग्नल के रूप में मानवीय प्राथमिकताओं पर निर्भर करता है। निम्नलिखित आंकड़ा एक क्यूरेटेड डेटासेट पर फ्रेमवर्क के पूर्व-प्रशिक्षण के सकारात्मक प्रभाव को दर्शाता है जो छोटे डेटासेट पर वीडियो पूर्व-प्रशिक्षण के लिए समग्र प्रदर्शन को बढ़ावा देने में मदद करता है। 

अधिक विशिष्ट होने के लिए, फ्रेमवर्क अव्यक्त वीडियो प्रसार के सबसेट को क्यूरेट करने के लिए विभिन्न तरीकों का उपयोग करता है, और इन डेटासेट पर प्रशिक्षित एलवीडी मॉडल की रैंकिंग पर विचार करता है। इसके अलावा, स्टेबल वीडियो डिफ्यूजन फ्रेमवर्क यह भी पाता है कि फ्रेमवर्क के प्रशिक्षण के लिए क्यूरेटेड डेटासेट का उपयोग फ्रेमवर्क के प्रदर्शन और सामान्य रूप से डिफ्यूजन मॉडल को बढ़ाने में मदद करता है। इसके अलावा, डेटा क्यूरेशन रणनीति बड़े, अधिक प्रासंगिक और अत्यधिक व्यावहारिक डेटासेट पर भी काम करती है। निम्नलिखित आंकड़ा एक क्यूरेटेड डेटासेट पर फ्रेमवर्क के पूर्व-प्रशिक्षण के सकारात्मक प्रभाव को दर्शाता है जो छोटे डेटासेट पर वीडियो पूर्व-प्रशिक्षण के लिए समग्र प्रदर्शन को बढ़ावा देने में मदद करता है। 

चरण III: उच्च गुणवत्ता वाली फ़ाइन-ट्यूनिंग

चरण II तक, स्थिर वीडियो डिफ्यूजन फ्रेमवर्क वीडियो प्रीट्रेनिंग से पहले प्रदर्शन को बेहतर बनाने पर ध्यान केंद्रित करता है, और तीसरे चरण में, फ्रेमवर्क उच्च गुणवत्ता वाले वीडियो फाइन-ट्यूनिंग के बाद फ्रेमवर्क के प्रदर्शन को अनुकूलित करने या आगे बढ़ाने पर अपना जोर देता है, और कैसे चरण II से चरण III तक संक्रमण ढांचे में हासिल किया जाता है। चरण III में, रूपरेखा अव्यक्त छवि प्रसार मॉडल से उधार ली गई प्रशिक्षण तकनीकों पर आधारित है, और प्रशिक्षण उदाहरणों के रिज़ॉल्यूशन को बढ़ाती है। इस दृष्टिकोण की प्रभावशीलता का विश्लेषण करने के लिए, रूपरेखा इसकी तुलना तीन समान मॉडलों से करती है जो केवल उनके आरंभीकरण के संदर्भ में भिन्न होते हैं। पहले समान मॉडल का वज़न प्रारंभ किया गया है, और वीडियो प्रशिक्षण प्रक्रिया को छोड़ दिया गया है जबकि शेष दो समान मॉडल अन्य अव्यक्त वीडियो मॉडल से उधार लिए गए वज़न के साथ प्रारंभ किए गए हैं। 

परिणाम और निष्कर्ष

यह देखने का समय आ गया है कि स्टेबल वीडियो डिफ्यूजन फ्रेमवर्क वास्तविक दुनिया के कार्यों पर कैसा प्रदर्शन करता है, और यह अत्याधुनिक फ्रेमवर्क की वर्तमान स्थिति के मुकाबले कैसे तुलना करता है। स्टेबल वीडियो डिफ्यूजन फ्रेमवर्क पहले बेस मॉडल को प्रशिक्षित करने के लिए इष्टतम डेटा दृष्टिकोण का उपयोग करता है, और फिर कई अत्याधुनिक मॉडल तैयार करने के लिए फाइन-ट्यूनिंग करता है, जहां प्रत्येक मॉडल एक विशिष्ट कार्य करता है। 

उपरोक्त चित्र फ़्रेमवर्क द्वारा उत्पन्न वीडियो नमूनों के लिए उच्च-रिज़ॉल्यूशन छवि का प्रतिनिधित्व करता है, जबकि निम्नलिखित चित्र वीडियो नमूनों के लिए उच्च-गुणवत्ता वाले पाठ उत्पन्न करने के लिए फ़्रेमवर्क की क्षमता को दर्शाता है। 

पूर्व-प्रशिक्षित बेस एमOdel

जैसा कि पहले चर्चा की गई है, स्टेबल वीडियो डिफ्यूजन मॉडल स्टेबल डिफ्यूजन 2.1 फ्रेमवर्क पर बनाया गया है, और हाल के निष्कर्षों के आधार पर, डेवलपर्स के लिए शोर शेड्यूल को अपनाना और छवि प्रसार को प्रशिक्षित करते समय बेहतर रिज़ॉल्यूशन वाली छवियां प्राप्त करने के लिए शोर को बढ़ाना महत्वपूर्ण था। मॉडल। इस दृष्टिकोण के लिए धन्यवाद, स्थिर वीडियो डिफ्यूजन बेस मॉडल शक्तिशाली गति प्रतिनिधित्व सीखता है, और इस प्रक्रिया में, बेसलाइन मॉडल से बेहतर प्रदर्शन करता है करने के लिए पाठ शून्य शॉट सेटिंग में वीडियो निर्माण, और परिणाम निम्न तालिका में प्रदर्शित होते हैं। 

फ़्रेम इंटरपोलेशन और मल्टी-व्यू जेनरेशन

स्टेबल वीडियो डिफ्यूजन फ्रेमवर्क किसी ऑब्जेक्ट के कई नए दृश्य प्राप्त करने के लिए मल्टी-व्यू डेटासेट पर छवि को वीडियो मॉडल में परिष्कृत करता है, और इस मॉडल को एसवीडी-एमवी या स्टेबल वीडियो डिफ्यूजन- मल्टी व्यू मॉडल के रूप में जाना जाता है। मूल एसवीडी मॉडल को दो डेटासेट की मदद से इस तरह से परिष्कृत किया जाता है कि फ्रेमवर्क एक एकल छवि को इनपुट करता है, और इसके आउटपुट के रूप में मल्टी-व्यू छवियों का एक क्रम लौटाता है। 

जैसा कि निम्नलिखित छवियों में देखा जा सकता है, स्थिर वीडियो डिफ्यूजन मल्टी व्यू फ्रेमवर्क अत्याधुनिक स्क्रैच मल्टी व्यू फ्रेमवर्क की तुलना में उच्च प्रदर्शन प्रदान करता है, और परिणाम प्राप्त सीखों का लाभ उठाने के लिए एसवीडी-एमवी की क्षमता का स्पष्ट प्रदर्शन हैं। मल्टी-व्यू छवि निर्माण के लिए मूल एसवीडी ढांचे से। इसके अलावा, परिणाम यह भी दर्शाते हैं कि मॉडल को अपेक्षाकृत कम संख्या में पुनरावृत्तियों के लिए चलाने से इष्टतम परिणाम देने में मदद मिलती है, जैसा कि एसवीडी ढांचे से ठीक किए गए अधिकांश मॉडलों के मामले में होता है। 

उपरोक्त चित्र में, मेट्रिक्स को बाईं ओर दर्शाया गया है और जैसा कि देखा जा सकता है, स्टेबल वीडियो डिफ्यूजन मल्टी व्यू फ्रेमवर्क स्क्रैच-एमवी और एसडी2.1 मल्टी-व्यू फ्रेमवर्क से अच्छे अंतर से बेहतर प्रदर्शन करता है। दूसरी छवि क्लिप स्कोर के संदर्भ में ढांचे के समग्र प्रदर्शन पर प्रशिक्षण पुनरावृत्तियों की संख्या के प्रभाव को दर्शाती है, और एसवीडी-एमवी ढांचे स्थायी परिणाम प्रदान करते हैं। 

निष्कर्ष

इस लेख में, हमने स्थिर वीडियो प्रसार के बारे में बात की है, जो एक गुप्त वीडियो प्रसार मॉडल है जो उच्च-रिज़ॉल्यूशन, वीडियो के लिए अत्याधुनिक छवि और वीडियो सामग्री के लिए पाठ उत्पन्न करने में सक्षम है। स्थिर वीडियो डिफ्यूजन मॉडल एक अनूठी रणनीति का अनुसरण करता है जिसे किसी भी जेनरेटिव वीडियो मॉडल द्वारा कभी भी लागू नहीं किया गया है क्योंकि यह एक निश्चित आर्किटेक्चर के साथ अव्यक्त वीडियो डिफ्यूजन बेसलाइन पर निर्भर करता है, और डेटा को क्यूरेट करने के प्रभाव का आकलन करने के बाद एक निश्चित प्रशिक्षण रणनीति पर निर्भर करता है। 

हमने इस बारे में बात की है कि कैसे 2डी छवियों को संश्लेषित करने के लिए प्रशिक्षित अव्यक्त प्रसार मॉडल ने क्षमताओं और दक्षता में सुधार किया है जेनेरिक वीडियो मॉडल अस्थायी परतों को जोड़कर, और उच्च-गुणवत्ता वाले वीडियो वाले छोटे डेटासेट पर मॉडलों को ठीक-ठीक करके। पूर्व-प्रशिक्षण डेटा इकट्ठा करने के लिए, फ्रेमवर्क स्केलिंग अध्ययन करता है और व्यवस्थित डेटा संग्रह प्रथाओं का पालन करता है, और अंततः बड़ी मात्रा में वीडियो डेटा को क्यूरेट करने के लिए एक विधि का प्रस्ताव करता है, और शोर वाले वीडियो को जेनरेटिव वीडियो मॉडल के लिए उपयुक्त इनपुट डेटा में परिवर्तित करता है। 

इसके अलावा, स्थिर वीडियो डिफ्यूजन फ्रेमवर्क तीन अलग-अलग वीडियो मॉडल प्रशिक्षण चरणों को नियोजित करता है जिनका फ्रेमवर्क के प्रदर्शन पर उनके प्रभाव का आकलन करने के लिए स्वतंत्र रूप से विश्लेषण किया जाता है। फ्रेमवर्क अंततः इष्टतम वीडियो संश्लेषण के लिए मॉडल को परिष्कृत करने के लिए पर्याप्त शक्तिशाली वीडियो प्रतिनिधित्व आउटपुट करता है, और परिणाम पहले से ही उपयोग में आने वाले अत्याधुनिक वीडियो जेनरेशन मॉडल के बराबर होते हैं।