本研究利用大型视觉语言模型进行智能规划和视频扩散先验，解决了传统图像合成中手动规划物体位置和缺乏运动真实感的问题。MotionCom在规划效率和运动表现上优于现有方法。

MotionCom：基于大语言模型和视频扩散先验的自动化运动感知图像合成
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证