视频生成方法、装置、电子设备及可读存储介质

本申请涉及人工智能技术领域，提供了一种视频生成方法、装置、电子设备及可读存储介质。该方法包括：获取外观参考视频和运动参考视频；将外观参考视频、运动参考视频以及噪声图输入至训练好的视频生成模型中，得到视频生成模型输出的目标视频；其中，视频生成模型包括运动处理分支、外观处理分支以及扩散模块，运动处理分支用于提取运动参考视频的运动特征，外观处理分支用于提取外观参考视频的外观特征，扩散模块用于将运动特征、外观特征以及噪声图进行融合，并生成目标视频。本申请可以在精确控制物体的运动信息的同时，保持物体外观与背景的完整性，使得物体外观与背景不随运动信息的改变而发生改变，从而提高生成视频的质量。