论文页面 - FlashRender：通过相机控制视频均值流实现少步生成式渲染

来源：https://huggingface.co/papers/2609.03563

摘要

FlashRender通过表示对齐、均值流目标以及在策略蒸馏来加速生成式视频渲染，从而实现高质量的少步相机控制合成。

我们提出FlashRender（https://huggingface.co/papers?q=FlashRender），这是一个少步生成式渲染（https://huggingface.co/papers?q=generative%20rendering）框架，能够在数秒内沿目标相机轨迹重新拍摄源视频。我们识别出采样步长依赖的相机控制（https://huggingface.co/papers?q=sampling-step-dependent%20camera%20control）是现有少步生成式渲染（https://huggingface.co/papers?q=generative%20rendering）模型中离散化误差（https://huggingface.co/papers?q=discretization%20error）的一个显著表现，并证明解决此不一致性可显著降低去噪轨迹曲率，便于后续的步蒸馏。为此，我们引入表示变换与对齐（Representation Transformation and Alignment, RETA）（https://huggingface.co/papers?q=Representation%20Transformation%20and%20Alignment%20(RETA)），该方法将隐藏的源视频表示与来自冻结视觉几何模型（https://huggingface.co/papers?q=visual%20geometry%20model）的目标视频特征进行对齐。这直接在源视频流中编码了几何变换，实现了采样步长一致的相机控制。随后，我们在由RETA诱导的较低曲率去噪轨迹上，使用均值流目标（MeanFlow objective）（https://huggingface.co/papers?q=MeanFlow%20objective）对模型进行微调，使模型能更有效地解决离散化误差（https://huggingface.co/papers?q=discretization%20error）。最后，我们应用在策略流图蒸馏（on-policy flow map distillation）（https://huggingface.co/papers?q=on-policy%20flow%20map%20distillation）以在固定少步采样（few-step sampling）（https://huggingface.co/papers?q=few-step%20sampling）下纠正自展开误差。大量实验表明，RETA、MeanFlow和在策略流图蒸馏（on-policy flow map distillation）（https://huggingface.co/papers?q=on-policy%20flow%20map%20distillation）在少步生成式渲染（generative rendering）（https://huggingface.co/papers?q=generative%20rendering）中扮演互补角色。它们共同使我们的方法在视频质量和几何一致性上匹配多步基线，同时采样成本降低25倍，并实现了优越的相机可控性，即使在超出分布范围的目标相机轨迹下也是如此。

查看arXiv页面（https://arxiv.org/abs/2609.03563）查看PDF（https://arxiv.org/pdf/2609.03563）项目页面（https://byeongjun-park.github.io/FlashRender/）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2609.03563）

在您的代理中获取此论文：

hf papers read 2609\.03563

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

引用此论文的模型0

无模型链接此论文

在模型README.md中引用arxiv.org/abs/2609.03563以从本页面链接。

引用此论文的数据集0

无数据集链接此论文

在数据集README.md中引用arxiv.org/abs/2609.03563以从本页面链接。

引用此论文的空间0

无空间链接此论文

在空间README.md中引用arxiv.org/abs/2609.03563以从本页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）以从本页面链接。