MotionCFG：通过随机概念扰动提升运动动态
计算机视觉与模式识别
2026-03-17 v1 人工智能
机器学习
摘要
尽管近期在文本到视频（Text-to-Video，T2V）合成方面取得了进展，但生成高保真且动态的运动仍是一大挑战。现有方法主要依赖分类器自由指导 (Classifier-Free Guidance，CFG)，常伴随显式负面提示词（如“静态”、“模糊”），以抑制不良 artifacts。然而，这类显式否定常引入意外的语义偏差并扰乱物体完整性；我们定义这种现象为内容-运动漂移（Content-Motion Drift）。为解决此问题，本文提出MotionCFG框架，通过与其噪声扰动后果进行对比来增强运动动态。具体而言，通过向概念嵌入注入高斯噪声，MotionCFG创建局部负锚点，封装广泛的亚最优运动变体的互补空间。不同于显式否定，此方法实现隐式硬负采矿，无需改变全局语义身份，从而实现对时序细节的聚焦优化。结合分段指导计划，将干预限制在早期去噪步骤中，MotionCFG在各类先进T2V框架上均能以可忽略的计算开销和最小程度的视觉质量牺牲，持续提升运动动态。此外，我们展示，这种噪声引导的对比机制不仅适用于锐化运动轨迹，还能有效引导精确的对象数目等复杂非线性概念，这些通常难以通过标准文本指导加以调节。
引用
@article{arxiv.2603.14073,
title = {MotionCFG: Boosting Motion Dynamics via Stochastic Concept Perturbation},
author = {Byungjun Kim and Soobin Um and Jong Chul Ye},
journal= {arXiv preprint arXiv:2603.14073},
year = {2026}
}