TokenDial

TokenDial框架可在文本到视频生成中实现连续属性控制

研究人员推出TokenDial，一个旨在增强文本到视频生成控制的新框架。该方法在视频扩散Transformer中利用了“视觉拨盘空间V+”，其中视觉块令牌的通道维度充当语义控制空间。TokenDial允许通过滑块式编辑来修改生成视频中的年龄或速度等属性，而无需改变核心内容。该框架冻结了预训练的视频生成器，仅优化加性方向，从而实现跨各种视频参数的连续控制、组合和重用。