MeRoPE：用于摄像机控制视频生成的公制旋转位置嵌入

在摄像机控制的视频生成中，几何感知位置编码在摄像机外部和每个词元的观看光线上调节词元。然而，现有方案在现实世界的公制相机轨迹上具有与尺度相关的故障模式：同质投影编码引起注意 logits 和特征规范随着物理平移基线无限增长。我们提出了 MeRoPE（公制旋转位置嵌入），一种用于注意力的保持规范的相对相机编码。 MeRoPE 使用正交旋转块对校准后的视线之间的相对方向进行编码，将原始度量位移映射到多频率旋转相位，并沿极弧添加视差锚定对应关系。该设计严格保留特征规范，无论物理平移尺度如何，都限制 pre-softmax 注意力 logits，并保持对全局刚性坐标变化的精确不变性。 nuScenes 和 PanShot 分别覆盖大基线轨迹和不同的相机光学器件，MeRoPE 实现了比先前编码更强的相机控制，生成的相机运动与旋转和平移调节姿势之间具有最佳一致性。代码将公开。