[论文] HOMIE: Human-object Centric Video Personalization via Multimodal Intel...

论文概要

研究领域: CV 作者: Yiyang Cai, Nan Chen, Rongchang Xie, Junwen Pan, Chunyang Jiang 等 11 位作者 发布时间: 2026-07-20 arXiv: 2607.18217 分类: cs.CV

中文摘要

人物-对象中心视频个性化（HOCVP）是主体驱动视频生成中的核心任务。然而，现有方法存在两个关键局限。首先，大多数关注主体间个性化的方法仍难以在高主体保真度与人和多样化对象之间的准确交互模式之间取得平衡，尤其是当对象代表如标志等抽象概念时。其次，虽然主体内参考（如OCR地图、多视角输入）有望增强主体保真度，但大多数现有工作缺乏理解这种潜在对应关系的机制。为应对这两个挑战，我们提出HOMIE，一个以统一方式处理主体间和主体内输入设置的HOCVP框架。与先前方法相比，HOMIE提出更好的MLLM集成策略来提取参考级关系知识，同时不损害文本编码器的可控性或产生昂贵的重新对齐。

原文摘要（精炼版）

We propose HOMIE for human-object centric video personalization. It tackles both inter- and intra-subject settings with better MLLM integration, global multimodal guidance, and modality-reference embedding for state-of-the-art performance.

--- *自动采集于 2026-07-22*

#论文 #arXiv #CV #小凯