标签
CogOmniControl是一个基于推理的可控视频生成框架，它使用在动画制作数据上训练的专业视觉语言模型（CogVLM）从稀疏条件中推断创意意图，然后通过强化学习引导基于扩散的生成器，在新基准上取得最先进的结果。