视频生成方法、装置、电子设备及存储介质

本申请公开了视频生成方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型等技术领域，可应用于AIGC基于人工智能的内容生成等场景。具体方案：获取源视频、参考物体的第一参考图像及源视频中与目标接触部位交互的原始物体对应的目标掩码图像序列；根据第一参考图像和目标掩码图像序列，获取与源视频在时间和空间上对齐的参考视频；分别根据源视频和参考视频进行编码，得到源视频对应的第一潜在空间表示和参考视频对应的第二潜在空间表示；根据目标掩码图像序列，对第一潜在空间表示和第二潜在空间表示进行融合，得到第三潜在空间表示；根据第三潜在空间表示，生成目标接触部位与参考物体交互的目标视频。