CAPE-T2V：面向文生视频生成双向条件对齐的字幕器锚定提示增强

英文标题：CAPE-T2V: Captioner-Anchored Prompt Enhancement toward Two-Sided Conditioning Alignment in Text-to-Video Generation

该论文提出 CAPE-T2V，一种用于文生视频（T2V）生成的字幕器锚定提示增强方法。论文指出，T2V 扩散 Transformer（DiT）通常使用细粒度视频字幕训练，但推理时往往依赖经提示增强器（PE）改写的用户输入，二者之间可能存在条件对齐偏差。既有研究主要通过优化 PE、DiT 或同时优化两者来提升生成效果；CAPE-T2V 聚焦于改进推理提示与训练字幕条件之间的双向对齐。这一方向有望帮助开发者提升提示词与视频生成模型训练分布的一致性，从而改善生成质量。

2.6 KB 2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB