DeltaCam：用于视频生成的差分内在相机建模
计算机视觉与模式识别
2026-05-26 v1
摘要
将相机内参纳入视频生成模型，能够原则性地控制不仅场景 dynamics 以及掌控视觉外观的成像过程。先前工作主要聚焦于外在控制，如相机姿态和运动，而将相机内参数视为隐式或固定。一个关键瓶颈是缺乏具有准确且多样化时变相机元数据的大规模视频数据集，这使得学习绝对相机参数化困难。结果，当前模型在可控且时序一致的 manner 下难以融合摄影相机行为，包括景深转换、曝光变化、镜头畸变和颜色处理。在我们引入 DeltaCam，一种通过 -参数化神经相机适配器建模相机行为的视频扩散框架， operating on 相对相机运动和内参变化，而非绝对状态。通过从合成视频数据学习这种差分表述，我们减轻了对精确真实世界相机标签的依赖，并实现对焦距、光圈、ISO、色温和镜头畸变等成像因素的平滑、一致控制。我们通过两种机制将该框架扩展到真实世界素材：对实图像元数据对进行微调以实现精确的镜头匹配，以及提取用于无需显式相机参数的隐式视频到视频风格迁移。通过有效地将场景内容与内在成像行为分离，DeltaCam 实现了相机一致的视频生成和编辑操作，这些操作在现有模型中难以实现。最终，我们的结果构成了一个实用且可扩展的方法，用于搭建合成控制与真实摄影模拟之间的桥梁。
引用
@article{arxiv.2605.25266,
title = {DeltaCam: Differential Intrinsic Camera Modeling for Video Generation},
author = {Debabrata Mandal and Zhihan Peng and Yujie Wang and Praneeth Chakravarthula},
journal= {arXiv preprint arXiv:2605.25266},
year = {2026}
}