物理分两步：在视觉细化擦除运动先验之前锁定它们

图像到视频的扩散模型利用输入图像来生成视觉上令人惊叹的内容，但经常产生违反物理定律的运动。我们揭示了一个令人惊讶的发现：2 步生成通常比同一模型的 50 步输出表现出更好的物理一致性。通过频谱分析，我们将其追溯到去噪过程中的相位侵蚀；相位显着下降（从步骤 2 到步骤 50 下降 $\approx 18\%$），而幅度保持相对稳定。基于这一见解，我们提出了 PhaseLock，这是一个 无需训练 框架，可以在整个去噪轨迹中保留来自几步推理的有效运动先验。 PhaseLock 不依赖全步推理来实现物理一致性，而是仅从 2 个步骤中提取先验运动，并通过潜在增量指导将其强制执行高保真生成。我们的方法有效地减轻了相位退化，将不同模型的物理一致性平均提高了 6.2 个点，同时在很大程度上保持了视觉保真度，开销可以忽略不计（$1.06\times$ 时间，$1.02\times$ 内存），并减少了对昂贵的外部引导方法的依赖（$\sim5\times$ 时间）。项目页面：https://dnwjddl.github.io/phaselock