UniCaMo：面向视频扩散模型的统一相机与运动控制框架

UniCaMo 是一个统一框架，可在图像+文本生成视频的扩散模型中联合控制相机与物体运动。它通过参考图噪声传播与球面高斯噪声表示构建运动一致的输入噪声，无需重建未见场景几何，也无需改动模型架构或增加专用控制模块，仅用少量数据做轻量 LoRA 微调即可适配。在标准可控视频生成基准上，该框架实现了 SOTA 运动可控性与高视觉质量，推理开销极小。