清华与腾讯联合研发的Scene Splatter模型基于视频扩散技术，从单张图像生成高保真3D场景，解决了几何扭曲和一致性问题。该模型通过动量引导生成多视角视频，显著提升三维场景重建效果。

当前人物图像动画扩散模型在身份一致性方面存在挑战。本文提出的StableAnimator是首个端到端身份保持的视频扩散框架，能够根据参考图像和姿态合成高质量视频，实验结果表明其在身份保持和动画质量上表现优异。

本研究提出了一种新方法，结合多模态基础模型与视频扩散技术，增强四维动态场景模拟，精准捕捉复杂材料属性及物体相互作用。

该研究提出了一种名为MCM的视频扩散提炼方法，通过分离运动和外观学习来改善视频质量。实验证明，MCM能够提高视频扩散模型的帧质量，生成具有高美感得分或特定风格的帧。

该研究提出了一种生成城市风景全景长序列视图的方法，通过动态合成大规模场景实现。研究借鉴了视频扩散的研究成果，在自回归框架的基础上进行建模，并引入了一种新的时间插补方法。