🍊

MagicComp

文章针对文生视频模型中的组合视频生成（多主体）存在的问题（属性混乱、位置错误等）进行了training-free的优化，具体来说，方法分为两个阶段：1、在条件阶段，对主体token的embedding进行优化（原prompt经过编码器后，主体token的embedding会出现混淆的情况）2、在去噪阶段，对指定token的attention进行mask优化，使其关注指定区域。