Tag · 6 篇
条件控制
Tea-Adapter：面向高效条件生成的教师适配器
Tea-Adapter: Teacher Adapter for Efficient Conditional Generation
用小型已调好的教师扩散模型通过逆蒸馏把精确控制能力迁移进十亿参数视频 DiT，配合 Mixture of Condition Experts 在统一结构里动态路由多条件输入，为可控视频生成提供了一条免全量微调、低显存可复用的适配器路线。
语义上下文很重要：改进自回归模型的条件控制
Semantic Context Matters: Improving Conditioning for Autoregressive Models
把语义条件从解码阶段的稀疏视觉 token 注入提前到输入阶段的压缩语义预填充，并配合语义对齐引导，可作为即插即用模块迁移到 next-token 与 next-scale 两类自回归生成/编辑框架中。
HVG-3D：打通真实与仿真域的三维条件手物交互视频合成
HVG-3D: Bridging Real and Simulation Domains for 3D-Conditional Hand-Object Interaction Video Synthesis
将 3D ControlNet 接入扩散视频生成主干，用显式三维几何与运动线索替代 2D 控制信号，为视觉研究者提供了一条把仿真 3D 数据与真实单图结合、实现时空可控视频合成的可复用路径。
FlowPortal：残差校正流用于免训练视频重打光与背景替换
FlowPortal: Residual-Corrected Flow for Training-Free Video Relighting and Background Replacement
把标准 flow-based 生成模型通过残差校正改造成免训练编辑模型：条件相同时保证完美重建、条件不同时实现忠实编辑，这一思路可直接迁移到视频/图像的其他属性编辑（重打光、换背景、风格化）而无需微调。
DepthFocus：面向透视场景的可控深度估计
DepthFocus: Controllable Depth Estimation for See-Through Scenes
把立体深度估计从静态前馈改为以物理参考深度为条件的可控计算，用双条件机制动态调制特征，可直接借鉴到透明/反射场景的多层深度恢复与意图驱动感知。
时序与内容协同感知的潜扩散模型用于可控手部图像生成
A Temporal and Content Co-Awareness Latent Diffusion for Controllable Hand Image Generation
提出按去噪时间步与条件复杂度动态调节控制信号注入强度的双驱动调制策略，可迁移到任意「结构条件+外观条件」的可控扩散生成任务（如人体姿态引导生成、姿态迁移），替代固定强度的 ControlNet 式注入。