논문 정보
- 날짜:
2026-04-11 - 카테고리: -
- 우선순위 점수: 3.567
핵심 요약
텍스트-비디오 확산 모델이 프롬프트에 명시된 객체 개수를 정확히 생성하지 못하는 문제를 해결하기 위해 NUMINA 프레임워크를 제안합니다. 이 방식은 별도의 학습 없이 어텐션 맵을 분석하여 레이아웃 불일치를 식별하고, 크로스 어텐션을 변조하여 객체 개수 정렬을 개선합니다. 실험 결과 Wan2.1 모델에서 최대 7.4%의 수치 정확도 향상을 보였으며 CLIP 정렬 성능도 함께 개선되었습니다.학습자 관점 포인트
- 우리 팀 영향: 추가 학습 없이도 비디오 생성 모델의 객체 수 제어 능력을 향상시킬 수 있어, 정교한 비디오 에셋 제작 공정에 활용 가능성이 높습니다.
- 권장 액션: 실험
- 액션 근거: Training-free 방식이므로 기존 비디오 생성 파이프라인에 적용하여 수치적 정확도 개선 효과를 즉시 검증해볼 가치가 있습니다.
원문 링크
- arXiv: https://arxiv.org/abs/2604.08546
- Hugging Face Papers: https://huggingface.co/papers/2604.08546