arXiv · AI· Xingyao Li, Hao Zhang, Fengzhuo Zhang, Jiachun Pan, Yunlong Hou, Vincent Y. F. Tan, Zhuoran Yang·· 10 天前AI 评分26
ViDE: 基于无调优的视频一致性方法,通过时序注意力重加权与提示融合实现
ViDE: Tuning-Free Video Coherence via Temporal Attention Reweighting and Prompt Blending
AI 导读
ViDE 框架提出无需微调即可解决长视频生成中的多提示合成不一致问题,克服训练-推理差距导致的缺陷。 其核心包含 TiTAR 算法,利用离散短时傅里叶变换(DSTFT)对时序注意力得分进行重加权以减少帧间不一致;以及 PromptBlend 模块,通过细粒度提示对齐和自适应插值实现平滑语义过渡。 该框架在多项基线模型上取得一致且显著的性能提升,论文已被 TMLR 接收。
来源:arXiv · AI · arxiv.org