03_视频生成与编辑技术路线
视频生成模型通常按输入输出范式如何分类？
原题视频续写、关键帧条件生成、视频修复与视频编辑的任务边界如何划分？
原题为什么接入一种输入条件，不等于模型真正具备对应的任务能力？
原题分析一条视频生成技术路线时，应该抓住哪些决定性设计？
原题图像模型视频化与原生时空建模的核心取舍是什么？
原题AnimateDiff 的 Motion Module 如何插入图像扩散模型？
原题为什么 AnimateDiff 的运动模块可以迁移到个性化 T2I 模型？
原题MotionLoRA / MotionDirector 解决的本质问题是什么？
原题AnimateDiff 与 SVD 在图像先验复用和视频训练上有何差异？
原题I2VGen-XL 的 cascaded diffusion 为什么适合 I2V？
原题I2V 模型如何注入图像条件？为什么首帧对齐不等于全程保持？
原题Sora 如何通过 spacetime patches 和 Diffusion Transformer 统一建模图像与视频？
原题Sora 为什么保留原始宽高比和可变时空尺寸训练？工程上如何组织数据？
原题如何从模型能力和局限理解 Sora 的 world simulator 叙事？
原题Veo 的原生音视频生成和物理真实感说明了什么技术方向？
原题Veo 的多控制接口为什么体现了视频生成系统化趋势？
原题Movie Gen 为什么是 media foundation model，而不是单一 T2V 模型？
原题Movie Gen 的大规模 Transformer 和长上下文设计说明了什么？
原题闭源前沿视频模型在底层技术上有哪些共同趋势？
原题Open-Sora 如何把前沿视频模型拆成可复现、可优化的开放训练管线？
原题HunyuanVideo 的 systematic framework 包含哪些关键设计？
原题为什么 Wan 是开放视频模型家族？其底层技术路线是什么？
原题Step-Video-T2V 如何协调 30B DiT、深压缩 Video-VAE 与 Flow Matching？
原题Step-Video-TI2V 如何从 T2V 基座扩展到文本驱动的 I2V？
原题CogVideoX 的 3D Causal VAE 与 Expert Transformer 如何协作？
原题CogVideoX 如何通过渐进训练、frame pack 与数据管线提升训练效果？
原题Seedance 路线如何兼顾多镜头、音视频、多模态控制与推理效率？
原题Kling-Omni 如何统一视频生成、编辑与多模态推理？
原题LTX-Video 如何通过高压缩表示和整体去噪实现低延迟生成？
原题开放视频基座走向工业系统，还需要补齐哪些环节？
原题视频编辑如何从逐帧 V2V 演进到统一的多模态生成与编辑？
原题视频编辑为什么必须同时处理源视频重建、作用域定位与跨帧保持？
原题inversion、attention 控制、时空 mask 与特征传播分别解决什么问题？
原题
暂无题目