FlowMotion：用于视频运动迁移的无训练流动指导

视频运动迁移旨在生成继承源视频中运动模式、同时渲染新场景的目标视频。现有无训练方法聚焦于基于预训练 T2V 模型中间输出构建运动指导，导致计算开销沉重且灵活性受限。本文提出 FlowMotion，一种新型无训练框架，通过直接利用基于流的 T2V 模型预测输出，实现高效且灵活的运动迁移。我们的关键洞察是，早期潜在预测天然地编码了丰富的时序信息。基于此，我们提出了流动指导，提取基于潜在预测的运动表示，以在源视频和生成视频之间对齐运动模式。我们进一步引入速度正则化策略以稳定优化并确保运动演化平滑。通过纯粹 operate on model predictions，FlowMotion 在时间和资源效率上均优于最先进的方法，同时实现了竞争性性能。