1. **项目背景**：
– MagicTime是由北京大学、罗切斯特大学、新加坡国立大学、广东工业大学和加州大学圣克鲁斯分校共同研发的项目。
– 该项目旨在生成高质量的变化时延视频（metamorphic videos），这些视频能够展示物体随时间变化的过程。
2. **研究问题**：
– 现有的文本到视频生成（Text-to-Video, T2V）模型在从文本描述合成高质量视频方面取得了显著进展，但这些模型往往没有充分编码现实世界的物理知识，导致生成的视频运动有限且变化不足。
3. **MagicTime模型**：
– MagicTime模型通过学习时延视频中的真实世界物理知识来实现变化生成。
– 项目提出了MagicAdapter方案，通过解耦空间和时间训练，从变化视频中编码更多的物理知识，并将预训练的T2V模型转换为生成变化视频的模型。
– 引入了动态帧提取策略（Dynamic Frames Extraction），以适应变化范围更广、包含显著物体变化过程的时延视频，这些视频比一般视频包含更多的物理知识。
– 引入了Magic Text-Encoder来提高对变化视频提示的理解能力。
4. **数据集**：
– 为了支持MagicTime模型，研究团队创建了一个名为ChronoMagic的时延视频-文本数据集，专门策划用于解锁变化视频生成能力。
– ChronoMagic数据集包含从互联网收集的2,265个时延视频，展示了数据集中的样本，并计划未来扩展数据集以包含更多类别和更多视频。
5. **集成与应用**：
– MagicTime方案被集成到基于DiT（Data-to-Text）架构中，以支持Open-Sora-Plan或其他基于DiT的T2V模型。
– 通过使用ChronoMagic-Landscape数据集对Open-Sora-Plan v1.0.0进行微调，得到了MagicTime-DiT模型，并展示了相应的结果。
6. **研究成果**：
– 广泛的实验表明，MagicTime在生成高质量和动态变化的视频方面具有优越性和有效性，表明时延视频生成是构建现实世界变化模拟器的有前途的路径。
7. **参考文献**：
– 提供了BibTeX引用格式，以便研究者引用MagicTime项目的相关成果。
MagicTime项目通过结合先进的机器学习技术和对现实世界物理知识的深入理解，为生成能够准确反映时间变化的视频提供了新的解决方案。这对于视频内容创作、特效制作、教育和科研等领域都具有重要的应用价值。
项目地址：
https://pku-yuangroup.github.io/MagicTime/
本文地址：https://www.163264.com/6811