연구진이 인간 신뢰도 높은 피사체-비디오 생성 프레임워크 Vera를 발표했어요. Vera는 단일 및 다인 피사체 생성을 위한 통합 프레임워크를 제공합니다. 100만 쌍의 인간 이미지-비디오 데이터셋을 구축하여 명확한 피사체 대응 관계와 다양한 참조를 제공합니다.
IFMS는 공간적으로 집중된 감독을 통해 피사체 인지 학습을 강화하고 불필요한 아티팩트 간섭을 줄입니다. RALA는 DiT 백본에서 비디오 토큰과 참조 피사체 신호의 상호 작용을 조절하여 안정적인 피사체 앵커를 보존하고 레이어별 피사체 판독력을 향상시킵니다.
Vera는 인간 피사체 일관성, 다인 피사체 연결, 동작 자연스러움을 개선하고 피사체 혼동과 과도한 참조 이미지 복사를 줄이는 것으로 나타났습니다.