विश्व सिमुलेटर के रूप में वीडियो जेनरेशन मॉडल

यह तकनीकी रिपोर्ट (1) सभी प्रकार के दृश्य डेटा को एकीकृत प्रतिनिधित्व में बदलने की हमारी पद्धति पर केंद्रित है जो जेनरेटर मॉडल के बड़े पैमाने पर प्रशिक्षण को सक्षम बनाता है, और (2) सोरा की क्षमताओं और सीमाओं का गुणात्मक मूल्यांकन। इस रिपोर्ट में मॉडल और कार्यान्वयन विवरण शामिल नहीं हैं।

बहुत पहले के काम में आवर्ती नेटवर्क सहित विभिन्न तरीकों का उपयोग करके वीडियो डेटा के जेनरेटिव मॉडलिंग का अध्ययन किया गया है,^{[^1][^2]} जनरेटिव प्रतिकूल नेटवर्क,^{[^4][^6]} ऑटोरेग्रेसिव ट्रांसफार्मर,^{[^8]} और प्रसार मॉडल।^{[^10][^12]} ये कार्य अक्सर दृश्य डेटा की एक संकीर्ण श्रेणी, छोटे वीडियो या एक निश्चित आकार के वीडियो पर केंद्रित होते हैं। सोरा विज़ुअल डेटा का एक सामान्यवादी मॉडल है - यह उच्च परिभाषा वीडियो के पूरे एक मिनट तक विभिन्न अवधि, पहलू अनुपात और रिज़ॉल्यूशन वाले वीडियो और छवियां उत्पन्न कर सकता है।