点到点：稀疏运动引导用于可控视频编辑
计算机视觉与模式识别
2025-11-25 v1
摘要
在视频编辑任务中准确保留运动仍是核心挑战。现有方法常在编辑保真度和运动保真度之间进行权衡，因为它们依赖的运动表示要么过度适应布局，要么仅隐式定义。为克服这一限制，我们重新审视基于点的运动表示方法。然而，在没有人类输入的情况下，尤其是在跨越多样化视频情景时，确定有意义的点仍具有挑战性。为此，我们提出一种新型运动表示——锚定 token，通过利用视频扩散模型的丰富先验捕获最本质的运动模式。锚定 token 通过少量信息点轨迹紧凑地编码视频动力学，并且可以灵活地重新定位以与新主体对齐。这使得我们的方法——点到点（Point-to-Point）能够在多样化情景中获得推广性。广泛的实验表明，锚定 token 导致更可控且语义对齐的视频编辑，在编辑保真度和运动保真度方面实现卓越的性能。
引用
@article{arxiv.2511.18277,
title = {Point-to-Point: Sparse Motion Guidance for Controllable Video Editing},
author = {Yeji Song and Jaehyun Lee and Mijin Koo and JunHoo Lee and Nojun Kwak},
journal= {arXiv preprint arXiv:2511.18277},
year = {2025}
}