PulseAugur
实时 13:04:53
English(EN) ProxyUp: Training-Free Proxy-Conditioned Video Generation for Controllable Dynamics

ProxyUp框架实现了训练无关的可控视频生成

研究人员开发了ProxyUp,一种新颖的训练无关视频生成框架,它使用代理视频来控制复杂的动力学。该方法允许精确控制前景对象的运动和交互,即使在没有配对的代理-目标视频的情况下也是如此。ProxyUp通过将代理视频反演为潜在表示,应用区域性潜在去噪以保留运动关键元素,同时允许文本驱动的再生,并使用随机流松弛(SFR)来解决分布不匹配问题来实现这一点。 AI

影响 能够更精确地控制视频生成动力学,有望提高动画和内容创作等应用中的真实感和用户控制能力。

排序理由 该集群包含一篇详细介绍视频生成新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

ProxyUp框架实现了训练无关的可控视频生成

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Zanwei Zhou, Jiazhong Cen, Jiemin Fang, Yumeng He, Chen Yang, Sikuang Li, Fanpeng Meng, Zhikuan Bao, Wei Shen, Qi Tian ·

    ProxyUp: Training-Free Proxy-Conditioned Video Generation for Controllable Dynamics

    arXiv:2607.03732v1 Announce Type: new Abstract: Precise control over complex dynamics remains challenging for modern video generative models, as text prompts alone often cannot specify physically plausible, fine-grained motion and interactions. We introduce $\textit{proxy-conditi…