相机运动误差降低40%！DualCamCtrl：给视频生成装上「深度相机」，让运镜更「听话」

来自香港科技大学（广州）与复旦大学等机构的研究团队提出 DualCamCtrl，一种具备几何感知能力的双分支扩散模型，用于提升相机控制下的视频生成质量。该模型通过双分支架构分别生成 RGB 与深度序列，并结合语义引导互对齐机制（SIGMA）和两阶段训练策略，有效解耦外观与几何信息，增强模态协同。实验结果显示，其在相机运动一致性上的误差比现有方法降低超过 40%，显著提升了生成视频对指定相机轨迹的遵循能力。
来源：https://mp.weixin.qq.com/s/RzmPjO3ebKH9J_VGq9fZDg