Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.02857v1

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.02857v1 (cs)
[提交于 2025年7月3日 ]

标题: 任何I2V:使用运动控制动画任意条件图像

标题: AnyI2V: Animating Any Conditional Image with Motion Control

Authors:Ziye Li, Hao Luo, Xincheng Shuai, Henghui Ding
摘要: 最近在视频生成方面的进展,特别是扩散模型的发展,推动了文本到视频(T2V)和图像到视频(I2V)合成的显著进步。 然而,在有效整合动态运动信号和灵活的空间约束方面仍存在挑战。 现有的T2V方法通常依赖于文本提示,这本质上缺乏对生成内容空间布局的精确控制。 相比之下,I2V方法受其对真实图像的依赖限制,这限制了合成内容的可编辑性。 尽管一些方法结合了ControlNet以引入基于图像的条件,但它们通常缺乏明确的运动控制,并且需要计算成本高昂的训练。 为了解决这些限制,我们提出了AnyI2V,这是一种无需训练的框架,可以使用用户定义的运动轨迹为任何条件图像生成动画。 AnyI2V支持更广泛的模态作为条件图像,包括ControlNet不支持的数据类型,如网格和点云,从而实现更灵活和多用途的视频生成。 此外,它支持混合条件输入,并通过LoRA和文本提示实现风格迁移和编辑。 大量实验表明,所提出的AnyI2V表现出优越的性能,并在空间和运动控制的视频生成中提供了新的视角。 代码可在https://henghuiding.com/AnyI2V/ 获取。
摘要: Recent advancements in video generation, particularly in diffusion models, have driven notable progress in text-to-video (T2V) and image-to-video (I2V) synthesis. However, challenges remain in effectively integrating dynamic motion signals and flexible spatial constraints. Existing T2V methods typically rely on text prompts, which inherently lack precise control over the spatial layout of generated content. In contrast, I2V methods are limited by their dependence on real images, which restricts the editability of the synthesized content. Although some methods incorporate ControlNet to introduce image-based conditioning, they often lack explicit motion control and require computationally expensive training. To address these limitations, we propose AnyI2V, a training-free framework that animates any conditional images with user-defined motion trajectories. AnyI2V supports a broader range of modalities as the conditional image, including data types such as meshes and point clouds that are not supported by ControlNet, enabling more flexible and versatile video generation. Additionally, it supports mixed conditional inputs and enables style transfer and editing via LoRA and text prompts. Extensive experiments demonstrate that the proposed AnyI2V achieves superior performance and provides a new perspective in spatial- and motion-controlled video generation. Code is available at https://henghuiding.com/AnyI2V/.
评论: ICCV 2025,项目页面:https://henghuiding.com/AnyI2V/
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2507.02857 [cs.CV]
  (或者 arXiv:2507.02857v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.02857
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Henghui Ding [查看电子邮件]
[v1] 星期四, 2025 年 7 月 3 日 17:59:02 UTC (4,045 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号