$h$-control：通过块条件吉布斯细化实现免训练相机控制
计算机视觉与模式识别
2026-05-19 v2
摘要
对预训练的流匹配视频生成器进行免训练相机控制是一个部分观测的逆问题：一个深度扭曲的引导视频在潜在位置的子集上提供了带噪声的证据，采样器必须将其与预训练的先验进行协调。现有方法难以在轨迹遵循度和视觉质量之间取得平衡，并且启发式的引导强度调整缺乏鲁棒性。我们提出了 \textbf{-control}，它通过对采样器进行结构性改变来解决这一困境：每个外部的硬替换引导步骤都通过一个内部的\emph{块条件伪吉布斯细化}循环进行增强，该循环在相同的噪声水平上对未观测的补集进行操作，并具有可证明的收敛到部分观测条件数据律的性质。为了加速在高维视频潜在空间上的收敛，我们利用其条件局部性，将未观测的补集划分为3D块，每个块由一个自定义的混合指示器跟踪，该指示器自适应地冻结已收敛的块。在RealEstate10K和DAVIS数据集上，\textbf{-control} 在FVD指标上优于所有七个免训练和基于训练的竞争对手，在所有报告的指标上均优于所有免训练基线。
引用
@article{arxiv.2605.11871,
title = {$h$-control: Training-Free Camera Control via Block-Conditional Gibbs Refinement},
author = {Yuzhu Wang and Xi Ye and Duo Su and Yangyang Xu and Jun Zhu},
journal= {arXiv preprint arXiv:2605.11871},
year = {2026}
}