PostCam：基于查询共享跨注意力的可查询新视角视频生成
计算机视觉与模式识别
2025-11-24 v1
摘要
我们提出PostCam，一个用于新视角视频生成的框架，支持动态场景中后期摄像机轨迹的可编辑控制。我们发现，现有的视频重拍方法在摄像机运动注入策略上存在次优问题；这种次优设计不仅限制了摄像机控制精度，也导致生成视频未能保留源视频中细微的视觉细节。为实现更精确和灵活的运动操控，PostCam引入查询共享跨注意力模块。它整合了两种不同的控制信号：6自由度的相机姿态和2D渲染视频帧。通过将其融合到共享特征空间中的统一表示中，模型可提取潜在运动线索，从而提升控制精度和生成质量。此外，我们采用两阶段训练策略：模型首先从姿态输入学习粗略的摄像机控制，然后纳入视觉信息以细化运动精度并提升视觉保真度。在真实世界和合成数据集上的实验表明，PostCam在摄像机控制精度和视角一致性方面超过最新方法超过20%，同时实现最高的视频生成质量。我们的项目网页公开可用：https://cccqaq.github.io/PostCam.github.io/。
引用
@article{arxiv.2511.17185,
title = {PostCam: Camera-Controllable Novel-View Video Generation with Query-Shared Cross-Attention},
author = {Yipeng Chen and Zhichao Ye and Zhenzhou Fang and Xinyu Chen and Xiaoyu Zhang and Jialing Liu and Nan Wang and Haomin Liu and Guofeng Zhang},
journal= {arXiv preprint arXiv:2511.17185},
year = {2025}
}