让你的图像随你的动作移动！——隐式多目标多动作迁移

运动迁移已成为可控视频生成的热门方向，但现有方法大多聚焦于单目标场景，难以处理多个对象需要不同运动模式的情况。本文提出FlexiMMT，是首个实现图像到视频（I2V）多目标多动作迁移的隐式框架。给定静态多目标图像和多个参考视频，FlexiMMT独立提取运动表示并精确分配给不同对象，支持灵活的重组和任意运动到对象的映射。为解决跨目标运动 entanglement 的核心挑战，本文引入运动解耦掩码注意力机制，使用对象特定掩码约束注意力，确保运动和文本标记仅影响其指定区域。进一步提出差异化掩码传播机制，直接从扩散注意力中推导出对象特定掩码，并高效地跨帧传播。大量实验表明，FlexiMMT在I2V基于多目标多动作迁移方面实现了精确、可组合且领先的性能。我们的项目页面为：https://ethan-li123.github.io/FlexiMMT_page/。