MotiF：通过运动焦点损失使文本在图像动画中发挥作用

本研究解决了文本引导的图像动画（TI2V）生成中，生成视频与文本提示对齐不足的问题，特别是在涉及运动时。提出的MotiF方法通过引导模型学习更多运动区域，提高了文本对齐和运动生成的效果，并创建了TI2V Bench数据集以进行评估。实验结果显示，MotiF比九个开放模型表现更佳，平均偏好达到72%。