MoFu：尺度感知视频生成

本文解决了多主体视频生成中的关键问题：尺度不一致和排列敏感性。提出的MoFu框架，通过其尺度感知调制（SMO）和傅立叶融合策略，提供了一种新颖的方法来提高主体保真度和视觉质量。引入专门的基准进行评估也很重要。

• •解决了多主体视频生成中的尺度不一致和排列敏感性问题。
• •提出了用于尺度一致性的尺度感知调制（SMO）。
• •采用傅立叶融合实现排列不变性。
• •引入了尺度-排列稳定性损失。
• •建立了专门的基准进行评估。