相机位姿编码

面向可控视频生成的统一相机位置编码

Unified Camera Positional Encoding for Controlled Video Generation

提出 Relative Ray Encoding 把 6-DoF 位姿、内参和镜头畸变统一编码为几何一致的射线表示，并以不到 1% 可训练参数的轻量空间注意力适配器注入预训练视频 DiT，可直接复用于多视角生成、新视角合成和 3D 感知骨干的相机条件注入。