PulseAugur
中
实时 20:05:29
English(EN) $h$-control: Training-Free Camera Control via Block-Conditional Gibbs Refinement

$h$-control 方法增强了免训练视频相机控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种名为“$h$-control”的新型方法，用于视频生成模型中的免训练相机控制。该方法通过在采样过程中引入块条件伪吉布斯精炼来增强现有的流匹配技术。该方法旨在改善相机轨迹遵循度和整体视觉质量之间的平衡，在 RealEstate10K 和 DAVIS 等基准测试中表现优于先前的方法。 AI

影响 引入了一种用于改进视频生成中相机控制的新方法，有望增强真实感和轨迹遵循度。

排序理由 该集群包含一篇详细介绍视频生成新方法的学术论文。[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 →

$h$-control 方法增强了免训练视频相机控制

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Jun Zhu ·

    $h$-control: Training-Free Camera Control via Block-Conditional Gibbs Refinement

    Training-free camera control for pretrained flow-matching video generators is a partial-observation inverse problem: a depth-warped guidance video supplies noisy evidence on a subset of latent sites, which the sampler must reconcile with the pretrained prior. Existing methods str…

相关实体

相关话题