ReCamMaster – 浙大联合快手等推出的视频重渲染框架-爱论文

ReCamMaster是什么

ReCamMaster 是浙江大学、快手科技等联合推出的视频重渲染框架，能根据新的相机轨迹重新生成视频内容。通过预训练模型和帧维度条件机制，结合多相机同步数据集和相机姿态条件，实现视频视角、运动轨迹的灵活调整。用户可上传视频并指定轨迹，系统会生成新的视角视频，广泛应用于视频创作、后期制作、教育等领域，为视频内容带来全新视角和动态效果，提升创作自由度和质量。

ReCamMaster的主要功能

相机轨迹控制的视频重渲染：能够根据用户指定的相机轨迹重新渲染输入视频，生成具有新视角的动态场景，同时保持与原始视频的外观一致性。视频稳定化：将不稳定视频转换为平滑的视频，同时保留原始场景和动作。视频超分辨率和外扩：框架能通过输入变焦轨迹实现视频的局部超分辨率，生成更清晰的细节。可以通过输入拉远轨迹，生成超出原始视频视野范围的内容。支持复杂轨迹输入：可以处理平移、旋转、缩放等多种复杂轨迹，用户可以自定义相机运动。高质量视频生成：通过帧维度的条件拼接技术，保持视频的动态同步性和多帧一致性，生成高质量的视频。

ReCamMaster的技术原理

预训练的文本到视频扩散模型：ReCamMaster 采用了预训练的文本到视频扩散模型作为基础架构。模型由一个 3D 变分自编码器（VAE）和一个基于 Transformer 的扩散模型（DiT）组成，能生成高质量的视频内容。帧维度条件机制：框架提出了创新的帧维度条件机制，将源视频和目标视频的标记沿帧维度进行拼接，作为扩散 Transformer 的输入。使模型能更好地理解视频对之间的时空关系，生成与源视频保持同步和一致的目标视频。相机姿态条件：ReCamMaster 通过可学习的相机编码器将目标相机轨迹编码到视频特征中。相机轨迹以旋转和平移矩阵的形式表示，投影到与视频标记相同的通道中，实现对相机轨迹的灵活控制。多相机同步视频数据集：为了克服训练数据稀缺的问题，研究团队使用 Unreal Engine 5 构建了一个大规模的多相机同步视频数据集。数据集包含多样化的场景和相机运动，有助于模型泛化到真实世界视频。训练策略：ReCamMaster 在训练过程中采用了微调关键组件、应用噪声以及统一相机控制任务等策略。有助于提高模型的泛化能力和生成能力，同时减少合成数据与真实数据之间的域差距。

ReCamMaster的项目地址

项目官网：https://jianhongbai.github.io/ReCamMaster/Github仓库：https://github.com/KwaiVGI/ReCamMasterarXiv技术论文：https://arxiv.org/pdf/2503.11647

ReCamMaster的应用场景

视频创作与后期制作：ReCamMaster 能根据用户指定的相机轨迹重新渲染视频，生成具有新视角和运动轨迹的视频内容。创作者可以通过调整相机轨迹，为视频添加更具创意的镜头运动，增强视觉效果。视频稳定化：ReCamMaster 可以将不稳定的手持视频转换为平滑稳定的视频，同时保留原始场景和动作。自动驾驶与机器人视觉：ReCamMaster 可以用于生成不同视角的驾驶场景，帮助训练自动驾驶模型，提升其对复杂场景的适应能力。虚拟现实与增强现实：ReCamMaster 可以生成与虚拟环境相匹配的视频内容，为虚拟现实和增强现实应用提供更丰富的视觉素材。