Towards Physically Plausible Video Generation via Visual Language Model Planning

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种新颖的两阶段图像到视频生成框架,旨在解决视频扩散模型在生成物理可行视频时缺乏物理理解的问题。该框架有效捕捉物理运动,为视频生成领域带来新视角和改进。

🏷️

标签

➡️

继续阅读