据披露，阿里阿里巴巴研发部门近期推出了一款名为 AtomoVideo 的巴巴高保真 I2V（即 Image to Video）框架，可将静态图像转化成精美的发布视频内容。其主要特点有：
1. 高保真度：生成视频与输入图片在细节和风格上保持一致；
2. 运动连贯：视频流畅无跳跃，兼容架保证时间上的多款连续性；
3. 视频帧预测：通过精确的预测来支持长时延视频序列生成；
4. 兼容性强：适配现有各式各样的 T2I（Text-to-image）模型；
5. 高语义控制力：能够针对客户特殊需求，打造个性化的文生视频内容。
AtomoVideo运用预设的图模 T2I 模型，在每个空间卷积层和注意力层后新增一维时空卷积和注意力模块。型的像视现有的高保 T2I 模型参数固定不变，它们只会训练新增的真图时空层，而输入的频框串联图像信息由 VAE 编码解析，这代表的阿里是低层次信息，有利于提高视频对输入图像的巴巴还原度。此外，发布团队还使用 Cross-Attention 的兼容架方法融入高级图像语义，以加强图像语义可控性。
目前，该项目仅发布了论文和演示视频，尚未开放线上试用途径。另外，阿里巴巴已开启 GitHub 账号，但现在只是作为官方网站的托管地，并不包含相关代码分享。
