DAGS：冻结图像DiT的外观、几何与时序控制

扩散Transformer（DiT）能根据文本和图像条件生成高保真图像，但输出方差较大，目标忠实度高度依赖条件的提供方式。我们提出DAGS，一种轻量、无注意力的外观与几何解耦条件方案，引导冻结图像DiT产生高保真、高忠实且可独立控制的渲染结果。两个小型卷积编码器每帧计算一次条件特征，并以可学习的逐层逐元素残差注入图像token，避免通过注意力堆叠条件的二次成本。控制和时序处理位于冻结骨干之外，因此保留其丰富的预训练先验，并消除骨干过拟合风险。我们还加入小型循环光照稳定器与免训练时序引导项，结合条件方案，将逐帧图像模型变为流式渲染器。DAGS以路径追踪的一小部分计算成本产生可控高质量渲染；它并非实时方法，而是在计算、可控性与质量之间取舍。在匹配的1-spp加G-buffer输入下，相比实时降噪器Intel OIDN和扩散渲染器RGB<->X，逐帧DAGS的重建PSNR分别提高8.6 dB和10.1 dB，感知时序稳定性以temporal-LPIPS闪烁度衡量提高2.5—8倍。