CamDirector：面向长期一致视频轨迹编辑
计算机视觉与模式识别
2026-03-04 v1
摘要
视频（摄像机）轨迹编辑旨在合成遵循用户定义摄像机路径的新视频，同时保留场景内容并对先前不可见的区域进行合理填充，将业余录像升级为专业风格视频。现有VTE方法在精确摄像机控制与长程一致性方面受限：要么通过有限容量的嵌入注入目标姿态，要么依赖单帧错位且仅在视频扩散模型中以隐式跨帧聚合方式。为此，我们提出一种新的VTE框架：1）显式通过混合错位方案跨整个源视频聚合信息。具体而言，静态区域逐步融合进入世界缓存再渲染到目标摄像机姿态，而动态区域直接错位；其融合产出导向细化的全局一致粗帧。2）通过历史引导的自回归扩散模型处理视频片段及其历史记录，同时世界缓存不断更新以强化已完成的填充内容，实现长期时序一致性。最后，我们提出iPhone-PTZ，一个包含多样化摄像机运动与大幅轨迹变动的新VTE基准，并以更少参数实现最先进的性能。
引用
@article{arxiv.2603.02256,
title = {CamDirector: Towards Long-Term Coherent Video Trajectory Editing},
author = {Zhihao Shi and Kejia Yin and Weilin Wan and Yuhongze Zhou and Yuanhao Yu and Xinxin Zuo and Qiang Sun and Juwei Lu},
journal= {arXiv preprint arXiv:2603.02256},
year = {2026}
}