视频生成方法、装置、设备以及介质

本申请实施例提供了一种视频生成方法、装置、设备以及介质，该方法包括：获取源视频、相机轨迹参数以及视频描述文本；将源视频转换为点云数据，根据相机轨迹参数，对点云数据进行点云渲染处理，得到点云渲染结果，将点云渲染结果编码为视图编码特征；将源视频编码为参考编码特征，将视频描述文本编码为文本编码特征；将视图编码特征转换为第一自注意力特征，将文本编码特征转换为第二自注意力特征；将第一自注意力特征和参考编码特征进行交叉注意力处理，得到视频交互特征，根据视频交互特征和第二自注意力特征，得到多模态编码特征；将多模态编码特征进行解码处理，生成目标视频。实施本申请实施例，可以提升目标视频的生成质量。