SpecLoR

SpecLoR 方法增强文本到视频生成连贯性

研究人员推出了一种名为 SpecLoR 的新方法，以提高文本到视频生成的连贯性并减少伪影。该技术解决了潜在 ODE 采样中的数值误差所带来的问题，这些误差通常会导致生成视频在时空上不一致。SpecLoR 通过前瞻性地估计干净的潜在状态，然后在频域中校正其频谱幅度，同时保留相位信息来工作。这种方法有效地绕过了噪声，避免了破坏局部几何结构，在几乎没有计算开销的情况下显著提高了运动连贯性。