arXiv cs.AI· Youngyoon Choi, Kihyun Kim, Jeongwoo Shin, Joonseok Lee·· 10 天前AI 评分22
基于控制的动态优化实现多样化运动定制
Diverse Motion Customization via Control-based Dynamic Optimization
AI 导读
针对视频生成中运动定制的内容泄漏问题，研究者提出 Control-based Motion Customization（CMC）训练框架，用随机最优控制（SOC）引导生成动态趋向目标运动、避免向参考视频坍缩。该方法无需显式奖励，并引入只作用于生成早期阶段的时间步自适应运动代价，训练速度提升 2.5 倍，在缓解内容泄漏的同时保持运动保真度与基座模型的多样性。
正文 · AI 翻译
摘要：尽管视频生成领域近期取得了进展，运动定制仍然面临挑战，原因在于内容泄漏，即参考视频中的外观属性会无意中传播到生成的输出中。我们将这一问题认定为生成过程向参考视频坍缩的结果，而这源于将学习目标表述为对参考视频的直接回归。为了解决这一问题，我们提出了基于控制的运动定制（CMC），这是一个在结构上对内容泄漏具有鲁棒性的原则性训练框架。我们的核心思想是引导生成动态朝向期望的运动，同时避免向参考视频坍缩，我们使用随机最优控制（SOC）对此进行了形式化。在这一表述下，定制视频获得了目标运动，同时仍处于预训练模型的提示条件分布内，其中外观由文本提示而非参考视频决定。此外，为了提高效率，我们通过消除对显式奖励的需求，并引入仅关注早期生成阶段的时间步自适应运动成本，将 SOC 表述定制用于运动定制，使训练加速 2.5 倍。大量实验表明，CMC 有效缓解了内容泄漏，并在多种场景下实现了具有竞争力的运动保真度，同时保持了基础模型的多样性。
| 评论： | 预印本 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.07911 [cs.CV] |
| （或 arXiv:2610.07911v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07911 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Youngyoon Choi [查看电子邮件]
[v1]
2026年10月6日星期二 07:55:27 UTC（18,474 KB）
[v2]
2026年10月7日星期三 03:48:46 UTC（18,474 KB）
来源：arXiv cs.AI · arxiv.org