相机可控图像到视频生成框架论文发布

1. 12:00
   arXiv：cs.AI

   Gen Through the Lens：跨坐标条件融合的相机可控视频生成

   Gen Through the Lens 是一个相机可控的图像到视频生成框架，能从给定参考图像合成视频并实现真实、物理一致的相机操作。它将控制信号分解并融合到相机坐标（内参）、世界坐标（空间几何提示）和物体坐标（目标主体的 3D 边界框）三个坐标空间，通过跨坐标条件融合统一异质线索，精确控制相机运动、对焦与构图，同时保持时空一致性。实验显示其在真实感与可编辑性上优于现有方法。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。