欧拉运动引导：通过双向几何一致性实现稳健的图像动画

图像动画的最新进展利用扩散模型为静态图像注入生命力。然而，现有的可控框架通常依赖于拉格朗日运动引导，其中光流是相对于初始帧进行估计的。本文通过更局部的监督设计重新审视相同的光流原语：我们使用相邻帧欧拉运动场来指导生成，其中运动信号始终描述短时间跳跃。这种转变实现了并行训练，并在整个生成过程中提供有限误差监督。为了减轻相邻帧生成中常见的漂移伪影，我们引入了双向几何一致性机制，该机制计算前后循环检查，以数学方式识别和掩盖遮挡区域，防止模型学习不正确的扭曲目标。大量的实验表明，与基于参考的基线相比，我们的方法可以加速训练，保持时间一致性，并减少动态伪影。代码、模型和数据已在 https://nguyentthong.github.io/eulerian/ 提供