arXiv · 机器人与计算机视觉· Wooseok Jeon, Seungho Park, Seunghyun Shin, Sangeyl Lee, Hyeonho Jeong, Hae-Gon Jeon·· 23 天前精选AI 评分78
Rebalancing Reference Frame Dominance to Improve Motion in Image-to-Video Models
Rebalancing Reference Frame Dominance to Improve Motion in Image-to-Video Models
AI 导读
该论文针对图生视频模型生成内容过于静态的问题,提出了一种名为 DyMoS(Dynamic Motion Slider)的无需训练且与模型无关的方法。研究发现非参考帧过度关注参考帧导致运动被抑制,DyMoS 通过重新平衡初始去噪步骤中的注意力路径来改善这一现象。实验表明该方法在保持视觉质量和图像保真度的同时,显著提升了多种先进图生视频骨干网络的运动动态效果。
推荐理由
提出无需训练的 DyMoS 方法,通过调节注意力路径改善图生视频的运动抑制问题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org