生成式AI视频技术发展 - 生成式AI在文本和图像领域已成熟，视频生成成为AIGC重要研究方向，应用于影视制作、短视频合成等领域[1] - 现有商用/开源模型（如Sora、可灵、CogVideo）依赖文本/图像输入，但存在几何细节控制不足、运动信息难以精确调节等局限性[7][9] - 视频局部二次编辑需解决空间与时序一致性难题，当前方法多聚焦整体风格变化而非局部几何编辑[9][11] SketchVideo技术创新 - 提出基于线稿的可控视频生成/编辑方法，仅需1-2帧关键帧线稿即可生成时序一致的动态视频，支持局部区域修改[1][12] - 采用跳跃式残差控制结构：将条件模块以固定间隔嵌入预训练模型（CogVideo-2B），参数开销减少50%以上[11][12] - 引入帧间注意力机制，通过稀疏传播关键帧控制特征实现全视频一致性[12] - 视频编辑新增视频嵌入模块，结合局部融合策略保留非编辑区域内容[12] 应用效果展示 - 单帧线稿+文本输入可生成高质量视频，指定时间点与线稿匹配度达90%以上[15][17] - 双帧线稿输入可控制物体运动轨迹，实现定制化生成[17][19] - 真实视频编辑支持局部区域修改（如树枝移动、头部旋转），新内容与原始视频运动同步[19][21] 行业影响 - 突破专业视频制作门槛，用户通过简单线稿即可创作动态内容，效率提升约70%[23] - 技术已被CVPR 2025收录，相关代码及Demo在GitHub和YouTube开源[8][23] - 相比传统文本驱动方法，几何控制精度提升40%，填补了视频生成领域可控性空白[9][12]