论文页面 - 物理两步骤：在视觉细化抹除运动先验前锁定它们

来源：https://huggingface.co/papers/2606.06361

摘要

PhaseLock是一个无需训练的框架，通过在整个去噪过程中保留早期步骤推理的运动先验，提高图像到视频扩散模型的物理一致性。

图像到视频扩散模型（https://huggingface.co/papers?q=Image-to-Video%20diffusion%20models）利用输入图像生成视觉惊艳的内容，但常常产生违反物理定律的运动。我们揭示了一个令人惊讶的发现：两步生成往往比同一模型的50步输出表现出更好的物理一致性（https://huggingface.co/papers?q=physical%20consistency）。通过频谱分析（https://huggingface.co/papers?q=spectral%20analysis），我们将此归因于去噪（https://huggingface.co/papers?q=denoising）过程中的相位侵蚀（https://huggingface.co/papers?q=phase%20erosion）：相位显著退化（从第2步到第50步下降约18%），而幅度保持相对稳定。基于这一见解，我们提出PhaseLock，这是一个无需训练的框架，可在整个去噪轨迹中保留少量步骤推理的有效运动先验（https://huggingface.co/papers?q=motion%20priors）。PhaseLock不依赖完整步骤推理来获得物理一致性（https://huggingface.co/papers?q=physical%20consistency），而是仅从两步中提取运动先验，并通过潜在增量引导（https://huggingface.co/papers?q=Latent%20Delta%20Guidance）将其施加到高保真生成中。我们的方法有效缓解了相位退化，在多种模型上将物理一致性（https://huggingface.co/papers?q=physical%20consistency）平均提升6.2分，同时基本保持视觉保真度（https://huggingface.co/papers?q=visual%20fidelity），且开销极小（1.06倍时间，1.02倍内存），并减少了对昂贵外部引导方法（约5倍时间）的依赖。

查看arXiv页面（https://arxiv.org/abs/2606.06361）查看PDF（https://arxiv.org/pdf/2606.06361）项目页面（https://dnwjddl.github.io/phaselock）GitHub2（https://github.com/dnwjddl/phaselock）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2606.06361）

在您的代理中获取此论文：

hf papers read 2606\.06361

没有最新CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有链接此论文的模型

在模型README.md中引用arxiv.org/abs/2606.06361以从此页面链接。

引用此论文的数据集0

没有链接此论文的数据集

在数据集README.md中引用arxiv.org/abs/2606.06361以从此页面链接。

引用此论文的Space0

没有链接此论文的Space

在Space README.md中引用arxiv.org/abs/2606.06361以从此页面链接。

包含此论文的收藏0

没有包含此论文的收藏

将此论文添加到一个收藏（https://huggingface.co/new-collection）以从此页面链接。