InferNews

如果你對 AI 影片生成有興趣，但又覺得「要大量素材先訓練」門檻太高，Warp-as-History 的吸引力正在於它嘗試只用一段訓練影片完成相機視角控制。簡單講，它想做的是讓系統學會原片中的空間與運鏡關係，再按你指定的鏡頭路徑生成新畫面。

對一般使用者來說，理解這個專案的最好方法，不是把它當作普通文字生片工具，而是視為一個偏向「鏡頭操控」的研究型方案。你需要先準備一段帶有相機資訊的影片，再配合指定模型做推理或訓練；官方列出的預設組合包括 Helios-Distilled、Warp-as-History LoRA，而 Helios-Mid 主要用於訓練，另外 README 亦提到 Pi3X。

它解決的重點問題，是生成影片時常見的視角不穩、鏡頭移動不連貫，以及難以精準控制觀看方向。這個方法特別強調互動式鏡頭軌跡跟隨與視點調整，定位上與 HappyOyster、Genie 3 這類方向相近，但賣點是把所需訓練資料壓到單一範例，這點相當有研究價值。

• 一段訓練影片 已是核心設定，對資料收集要求較低
• 重心不在純文字生成，而在鏡頭路徑與視角控制
• 相關模型包括 Helios-Distilled、Warp-as-History LoRA、Helios-Mid、Pi3X
• 較適合研究實驗、效果驗證，未必是即開即用的消費級工具

如果你是做生成式影像研究、互動敘事、虛擬攝影，這個專案值得留意；若你只是想快速剪片或一鍵出成品，可能會覺得前置準備仍然偏技術性。整體來看，Warp-as-History 最有意思的地方，是把「影片歷史資訊」由單純上下文提升為可延續的視角依據，令相機控制這件事更像真正可操作的生成條件。

網址： https://github.com/yyfz/Warp-as-History

MoCam 是一個針對影片「重新取景」的方法，重點是由原有影片生成新的觀看角度。它主打在幾何先驗不完整、失真，甚至場景有動態變化時，仍能產生較連貫而且接近真實感的畫面。

這個方法的核心做法，是把生成過程分成較有結構的去噪步驟：先處理初步的幾何對齊，再逐步修正外觀細節。簡單理解，就是先盡量擺正場景與視角，再補回畫面的質感，藉此減少新視角常見的破碎、跳動或不自然問題。

對一般讀者而言，它適合用來理解新一代影片視角生成技術如何改善傳統方法的限制，特別是面對複雜鏡頭移動，例如大幅度運鏡、推拉鏡，以及 bullet time 一類效果。網站展示亦顯示，它同時面向靜態與動態場景，而不只限於單一物件或簡單背景。

重點可留意：
– 可由影片生成新的鏡頭角度與運鏡效果
– 幾何資訊不足時，仍嘗試維持畫面穩定性
– 以分階段去噪流程兼顧對位與外觀修飾
– 展示涵蓋大幅移動、複雜軌跡、Dolly Zoom 等情境

目前公開頁面以研究簡介和示範效果為主，GitHub 與 Hugging Face 模型仍標示為即將推出，因此暫時未見完整上手文件、安裝方式或量化評測數字。若你是做電腦視覺、影片生成、虛擬攝影，或想了解擴散模型如何應用在新視角合成，這個項目值得持續留意。

網址： https://orange-3dv-team.github.io/MoCam/

做人物影片生成，最難往往不是畫面靚唔靚，而係人郁動時有冇「似真」。PhyMotion針對的正是這個痛點：它提供一套較細緻的評分方法，專門檢查生成影片中的人體動作是否合理，例如會否出現腳步飄浮、失去平衡，或者動作雖然順眼但其實不合物理常識。

它的做法幾有意思。團隊先從影片還原出3D人體網格，使用SMPL表示身體，再把動作轉到MuJoCo的人形物理模擬環境內，從三方面評估：關節運動是否自然、接觸與平衡是否一致、以及整體動態是否可行。比起只靠2D畫面觀感打分，這種方法更能指出問題究竟出在哪一層。

如果你想上手，較合理的方式不是把它當成一般剪片工具，而是當成研究或訓練流程中的「動作評審」。儲存庫提供有 PhyMotion-CausalForcing-1.3B 相關權重與 LoRA 形式檢查點，較適合已經在做人像影片生成、後訓練或獎勵設計的人逐步接入。

• 重點不在直接生成影片，而在替影片中的人體動作評分
• 結合 SMPL 與 MuJoCo，比純2D評估更重視身體結構與物理性
• 適用於自回歸與雙向類型的影片生成訓練流程
• 相關資源包括論文、模型、資料集，以及 PhyMotion-CausalForcing-1.3B

整體來看，PhyMotion最有價值的地方，是把「睇落順眼」進一步拆成可分析的幾個部分，令改進方向更清楚。它特別適合研究員、AI 影片開發者，或者想提升人物動作真實感的團隊；對一般用家來說，未必是即裝即用，但作為理解下一代人物影片質素點樣提升，這個項目相當值得留意。

網址： https://github.com/h6kplus/PhyMotion

如果你對機械人或 AI 有興趣，但又唔想一開始就埋頭讀大量論文，Awesome-WAM 其實幾好入手。它本身唔係一個直接拿來部署的機械人程式，而係一個系統化整理庫，集中介紹 World Action Models 這個新方向，並附有每篇論文的重點摘要，方便讀者由概念開始慢慢建立理解。

這個主題想解決的核心問題，其實幾直觀：不少模型能夠由影像或文字直接產生動作，但未必真係「理解」下一步世界會點變。WAM 的做法，是將環境變化預測同動作生成放埋一齊考慮，令機械人唔只係反應快，亦更似先模擬後行動。

這個儲存庫最有價值的地方，在於它唔單止列論文，而係嘗試用統一框架整理整個領域，例如分開 Cascaded 與 Joint 兩類路線，亦有提到訓練資料來源、評估方式，以及與 Vision-Language-Action 發展之間的關係。對初學者來講，這種分類比單看論文名更易掌握全貌。

• 提供系統化總覽，適合先建立概念再深入讀文獻
• 有每篇文章的簡短導讀，節省篩選時間
• 涵蓋相關模型與方向，如 RT-2、OpenVLA、π0，以及庫內收錄的 DREMA、RoboScape、Ctrl-World
• 重視架構分類、數據來源與評估方法，唔只係單純清單

如果你想上手，最實際做法係先看它對 WAM 的整體定義，再沿分類去揀有興趣的論文摘要閱讀。研究人員、學生、做機械人產品規劃的人都會受用；即使你未必會親自訓練模型，這個整理庫都能幫你較快分清哪些方法偏向預測世界、哪些更強調動作生成控制。

整體來說，Awesome-WAM 比較似一張持續更新的地圖，而唔係單一工具。對想跟進 embodied AI、VLA 與 world model 交叉發展的人，它的價值在於幫你用較低成本看清研究脈絡，同時保留足夠細節，方便之後再深入追文。

網址： https://github.com/OpenMOSS/Awesome-WAM

網址： https://openmoss.github.io/Awesome-WAM/