通过可平移 RGB-A 分布学习器实现稳定透明视频生成
计算机视觉与模式识别
2025-12-17 v3
摘要
生成包含 alpha 通道以实现透明度的 RGB-A 视频具有广泛应用。然而，当前方法常因 RGB 与 alpha 之间的混淆而导致质量较低。本文通过学习可平移 RGB-A 分布来解决此问题。我们调整 latent 空间和 noise 空间，将 alpha 分布向外平移，同时保持 RGB 分布，从而在不损害 RGB 质量的前提下实现稳定的透明度生成。 Specifically，对于 latent 空间，我们提出一种在 VAE 训练期间使用的透明度感知双向扩散损失，以根据似然性平移 RGB-A 分布。对于 noise 空间，我们提出平移扩散噪声抽样的均值，并应用高斯椭圆 mask 以提供透明度指导和可控性。此外，我们构建了一个高质量的 RGB-A 视频数据集。与最先进的方法相比，我们的模型在视觉质量、自然性、透明度渲染、推理便利性和可控性方面均表现出色。所发表的模型可在我们的网站上获取：https://donghaotian123.github.io/Wan-Alpha/。
引用
@article{arxiv.2509.24979,
title = {Video Generation with Stable Transparency via Shiftable RGB-A Distribution Learner},
author = {Haotian Dong and Wenjing Wang and Chen Li and Jing Lyu and Di Lin},
journal= {arXiv preprint arXiv:2509.24979},
year = {2025}
}