主体驱动视频生成

AlcheMinT：面向多参考一致视频生成的细粒度时序控制

AlcheMinT: Fine-grained Temporal Control for Multi-Reference Consistent Video Generation

提出一种可插拔的时间区间位置编码，把主体身份与显式时间戳绑定，并通过 token 级拼接注入预训练视频扩散模型，无需额外交叉注意力即可实现多主体出现/消失的精细时序控制，可直接复用于可控视频合成与故事板生成。