will depue（@willdepue）のスレッド

馬鹿げている。ビデオ生成をトランスフォーマーに丸投げして解決したなんて。テキスト用の優れた誘導バイアスはビデオでは通用しない。時間と空間を跨いでピクセルパッチ間の注意を向けているのだろうか？それでもビデオは素晴らしくうまく機能する。