$h$-control：通过块条件吉布斯细化的 无需训练 摄像机控制

用于预训练流匹配视频生成器的 无需训练 相机控制是一个部分观察逆问题：深度扭曲的引导视频在潜在站点子集上提供噪声证据，采样器必须与预训练的先验一致。现有方法很难平衡轨迹依从性和视觉质量之间的权衡，并且启发式引导强度调整缺乏鲁棒性。我们提出 \textbf{$h$-control}，它通过对采样器的结构改变来解决这个困境：每个外部硬替换引导步骤都通过内循环 \emph{块条件伪吉布斯细化}对相同噪声水平下未观察到的补集进行增强，并可证明收敛于部分观察条件数据定律。为了加速高维视频潜在的收敛，我们利用它们的条件局部性，将未观察到的补集划分为 3D 补丁，每个补丁都由一个自定义混合指示器跟踪，该指示器自适应地冻结收敛补丁。在 RealEstate10K 和 DAVIS 上，\textbf{$h$-control} 在所有七个 无需训练 和基于训练的竞争对手中获得了最佳 FVD，在每个报告的指标上都优于每个 无需训练 基线。