Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.01698

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2508.01698 (cs)
[提交于 2025年8月3日 ]

标题: 基于图像到视频扩散的多功能过渡生成

标题: Versatile Transition Generation with Image-to-Video Diffusion

Authors:Zuhao Yang, Jiahui Zhang, Yingchen Yu, Shijian Lu, Song Bai
摘要: 利用文本、图像、结构图或运动轨迹作为条件引导,扩散模型在自动且高质量的视频生成方面取得了巨大成功。 然而,在给定第一帧和最后一帧视频以及描述性文本提示的情况下生成平滑且合理的过渡视频仍研究不足。 我们提出了VTG,一个多功能的过渡视频生成框架,能够生成平滑、高保真且语义连贯的视频过渡。 VTG引入了基于插值的初始化,有助于保持对象身份并有效处理突然的内容变化。 此外,它结合了双向运动微调和表示对齐正则化,分别缓解预训练图像到视频扩散模型在运动平滑性和生成保真度方面的局限性。 为了评估VTG并促进未来在统一过渡生成方面的研究,我们收集了TransitBench,一个涵盖两个代表性过渡任务的全面基准:概念融合和场景过渡。 大量实验表明,VTG在所有四个任务中始终表现出优越的过渡性能。
摘要: Leveraging text, images, structure maps, or motion trajectories as conditional guidance, diffusion models have achieved great success in automated and high-quality video generation. However, generating smooth and rational transition videos given the first and last video frames as well as descriptive text prompts is far underexplored. We present VTG, a Versatile Transition video Generation framework that can generate smooth, high-fidelity, and semantically coherent video transitions. VTG introduces interpolation-based initialization that helps preserve object identity and handle abrupt content changes effectively. In addition, it incorporates dual-directional motion fine-tuning and representation alignment regularization to mitigate the limitations of pre-trained image-to-video diffusion models in motion smoothness and generation fidelity, respectively. To evaluate VTG and facilitate future studies on unified transition generation, we collected TransitBench, a comprehensive benchmark for transition generation covering two representative transition tasks: concept blending and scene transition. Extensive experiments show that VTG achieves superior transition performance consistently across all four tasks.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2508.01698 [cs.CV]
  (或者 arXiv:2508.01698v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.01698
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zuhao Yang [查看电子邮件]
[v1] 星期日, 2025 年 8 月 3 日 10:03:56 UTC (3,878 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号