#AIGC#text2video文生视频，开源DragNUWA：通过集成文本、图像和轨迹对视频生成进行细粒度控制

DragNUWA：通过集成文本、图像和轨迹对视频生成进行细粒度控制
论文地址：https://arxiv.org/abs/2308.08089

DragNUWA 使用户能够直接操纵图像中的背景或对象，模型将这些动作无缝地转换为相机运动或对象运动，生成相应的视频。

DragNUWA，一个开放域的视频生成模型。为了解决现有作品中控制粒度不足的问题，我们同时引入文本、图像和轨迹信息，从语义、空间和时间的角度对视频内容进行细粒度的控制。为解决目前研究中的有限开放域射控问题，我们模型的轨迹有三个方面:一个轨迹采样器(TS)，使开放域控制的任意轨迹，多尺度融合(MF)控制在不同粒度的轨迹，和自适应训练
(AT)策略，以产生一致的视频轨迹。
这里是引用

效果

拖动形成轨迹，轨迹形成视频、 变化相机角度

以拖动（drag）的方式给出运动轨迹，DragNUWA 是一个集成了文本、图像和轨迹控制的系统，可以从语义、空间和时间的角度实现可控的视频生成。