关于可控视频生成
I2V3D: Controllable image-to-video generation with 3D guidance
Image to Video工作，能够实现给一张图，输出一个视频，且可以控制相机。动态信息来自于用户手工设计（相机移动，人体骨骼驱动）。
pipeline：先image分割前背景，背景用viewcrafter操控，前景得到mesh。然后在blender中编辑使之运动。用render的video提几个关键帧用SDXL过一下，得到真实一点的关键帧，再用SVD插帧。
ReCamMaster
可控制相机的video编辑。输入一段video，通过给定新的相机轨迹，输出新相机下的video。通过相机内外参控制。
比较了三种camera control的方法：frame-dimension(本篇）, channel-dimension, view-dimension。其中frame的最佳。具体是f帧变2f帧，作为condition。
深度估计
DepthCrafter
视频深度估计方法，基于扩散模型。不需要相机pose。三阶段训练，可以支持超长视频的深度估计（对应一个创新点）
img-to-3d human
LHM: Large Animatable Human Reconstruction Model for Single Image to 3D in Seconds
