增强草图动画：基于时序一致性和刚性约束的文本到视频扩散模型
计算机视觉与模式识别
2026-02-27 v1 图形学
摘要
使用传统工具对手绘草图进行动画处理具有挑战性和复杂性。草图为解释提供了视觉基础，对这些草图进行动画处理可提供逼真的实时情景体验。我们提出了一种基于描述性文本提示对给定输入草图进行动画处理的方法。该方法利用草图笔画的参数化表示。不同于以往方法，后者在估计平滑且准确的运动时常常难题，且常常无法保持草图的拓扑结构。我们利用预训练的文本到视频扩散模型配合 SDS loss 来指导草图笔画的运动。我们引入长度-面积 (LA) 正则化，以准确估计控制点在帧序列中的平滑位移，从而确保时序一致性。此外，为保持形状并避免拓扑变化，我们应用形状保持 As-Rigid-As-Possible (ARAP) loss 以维持草图的刚性。我们的方法在定量和定性评估中超越了最先进的性能。
引用
@article{arxiv.2411.19381,
title = {Enhancing Sketch Animation: Text-to-Video Diffusion Models with Temporal Consistency and Rigidity Constraints},
author = {Gaurav Rai and Ojaswa Sharma},
journal= {arXiv preprint arXiv:2411.19381},
year = {2026}
}