ReaDiT Guidance: Control for Image and Video Generation using Diffusion Transformer Features
ReaDiT Guidance 提出一种轻量级框架，利用扩散 Transformer（DiT）模型内部特征表示控制生成过程。该方法使用单个 DiT 块提取的特征，根据测试时提供的深度、姿态或边缘图等空间目标引导生成。由于现代文生视频模型多基于 DiT 骨干构建，ReaDiT Guidance 自然扩展至视频生成，支持相机与运动控制。实验表明，该方案在参数更少的情况下，效果优于现有基于特征的方法及现成适配器方法，或与现有方法相当。