本研究提出了SG-I2V框架，解决了生成视频中调整特定元素（如物体运动或摄像机移动）的复杂问题。该框架利用预训练的图像到视频扩散模型，实现零样本控制，结果在视觉质量和运动保真度上优于无监督基线，并与有监督模型竞争。