视频扩散模型中的注意力图探索：面向XAIxArts的“亲吻注意力”

本文提出了一种关于视频扩散变压器注意力机制的艺术与技术考察。灵感来自早期视频艺术家操控模拟视频信号以创造新视觉美学的人，本研究提出一种从生成式视频模型中提取和可视化跨注意力图的方法。基于开源Wan模型构建，我们的工具为文本到视频生成中的时空注意力行为提供可解释窗口。通过探索性探针和艺术案例研究，我们审视了注意力图作为分析工具和原始艺术材料的潜在价值。该工作推动了可解释人工智能在艺术领域（XAIxArts）的发展，邀请艺术家重新掌控AI的内部工作原理作为创作媒介。