本文探讨了从单个图像和文本提示生成具有多个主体的视频的三种不同方法：直接生成、并行生成和顺序生成。直接生成尝试同时合成所有主体和运动，而并行生成则独立创建每个主体，然后再将它们组合起来，这可能会牺牲主体间的上下文。顺序生成则逐步构建视频，逐个引入主体，这可以保留场景上下文，但对排序和错误传播很敏感。该研究根据外观保持度、运动保真度、时间一致性和主体间连贯性评估了这些方法，为可控多主体视频生成提供了各自优缺点的见解。 AI
影响 为设计可控的多主体视频生成系统提供了见解。
排序理由 该集群包含一篇学术论文，详细介绍了不同方法在特定AI任务上的比较研究。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Text-conditioned image-to-video (I2V) generation has advanced rapidly, yet generating videos with multiple subjects remains challenging. A model must simultaneously preserve the appearance of each subject, assign distinct motions, and maintain coherent spatial and temporal intera…
arXiv:2608.22819v1 Announce Type: new Abstract: Text-conditioned image-to-video (I2V) generation has advanced rapidly, yet generating videos with multiple subjects remains challenging. A model must simultaneously preserve the appearance of each subject, assign distinct motions, a…