SCoPE

SCoPE 是一种面向3D感知视频生成的新型位置编码方法，通过将相机视线（sightline）建模为世界坐标系下的射线，并作为第二组 positional coordinate 注入视频扩散Transformer中，实现对相机运动轨迹的显式、几何一致的控制。其核心技术特点是无需微调预训练模型即可即插即用地支持文本+首帧+相机轨迹三输入驱动的视频生成，在保持原有图像到视频先验的同时，提升新视角合成与自由视角视频生成的几何合理性。适用于需要精确相机控制的3D内容创作场景，如虚拟拍摄、数字人运镜、建筑可视化漫游及AR/VR素材生成。