Warp-as-History：从一段训练视频实现通用相机控制视频生成

相机控制视频生成取得了显著进展，使生成视频能够遵循指定的视点轨迹。然而，现有方法通常通过相机编码器、控制分支或注意力和位置编码修改来学习相机特定的条件化，往往需要在大规模相机标注视频上进行后训练。训练-free 方法可避免此类后训练，但常将成本转移到测试时优化或额外的去噪时指导。我们提出 Warp-as-History，一种简单接口，将相机引起的视差转化为相机视差化的伪历史，实现目标帧的位置对齐和可见标记选择。给定目标相机轨迹，我们从过去的观察中构建相机视差化伪历史，并通过模型的视觉历史路径进行处理。关键在于，我们将其位置编码与正在去噪的目标帧对齐，并删除无有效来源观察的视差化历史标记。无需任何训练、架构修改或测试时优化，该接口揭示了冻结视频生成模型遵循相机轨迹的非平凡零-shot 能力。此外，轻量级的离线 LoRA 微调仅需一个相机标注视频即可进一步提升此能力，并可推广到不可见视频，提高相机遵循度、视觉质量和运动动态，无需测试时优化或目标视频适应。广泛的实验在多样化数据集上确认了我们方法的有效性。