论文页面 - Warp-as-History: 仅需一个训练视频即可实现泛化相机控制视频生成

来源：https://huggingface.co/papers/2605.15182

摘要

一种名为 Warp-as-History 的新方法，通过将相机诱导的形变转换为伪历史表示，实现无需训练或测试时优化的零样本能力，从而完成相机控制视频生成。

相机控制视频生成 已取得显著进展，使生成的视频能够遵循指定的视角轨迹。然而，现有方法通常通过学习特定相机的条件，例如相机编码器、控制分支，或修改注意力与位置编码，这往往需要在大量带相机标注的视频上进行后训练。免训练替代方案虽避免了此类后训练，但常将代价转移至测试时优化或额外的去噪时引导。我们提出 Warp-as-History，一个简单的接口，通过 目标帧位置对齐 和 可见令牌选择，将 相机诱导的形变 转化为 相机形变伪历史。给定目标相机轨迹，我们从过去观察中构建相机形变伪历史，并将其输入模型的 视觉历史路径。关键在于，我们将其 位置编码 与正在去噪的目标帧对齐，并移除没有有效源观察的形变历史令牌。无需任何训练、架构修改或测试时优化，这一接口便揭示了冻结的 视频生成 模型遵循相机轨迹的非平凡 零样本能力。此外，仅在一个带相机标注的视频上进行轻量级离线 LoRA 微调，便可进一步提升此项能力并泛化到未见视频，在无需测试时优化或目标视频适配的情况下，改善相机遵循度、视觉质量和运动动态。在多种数据集上的大量实验证实了我们方法的有效性。

查看 arXiv 页面 (https://arxiv.org/abs/2605.15182)
查看 PDF (https://arxiv.org/pdf/2605.15182)
项目页面 (https://yyfz.github.io/warp-as-history/)
GitHub16 (https://github.com/yyfz/Warp-as-History)
添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2605.15182)

在你的 agent 中获取此论文：

hf papers read 2605\.15182

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

引用此论文的模型 0

没有模型关联此论文

请在模型 README.md 中引用 arxiv.org/abs/2605.15182 以从此页面关联。

引用此论文的数据集 0

没有数据集关联此论文

请在数据集 README.md 中引用 arxiv.org/abs/2605.15182 以从此页面关联。

引用此论文的 Spaces 0

没有 Space 关联此论文

请在 Space README.md 中引用 arxiv.org/abs/2605.15182 以从此页面关联。

包含此论文的收藏集 0

没有收藏集包含此论文

请将本论文添加到 收藏集 以从此页面关联。