深度视频中间表示

港科大（广州）团队提出 Motion Forcing 框架，将视频生成拆解为点（轨迹）、形（深度）、貌（彩色画面）三层，先确定运动再渲染外观，从而解决车辆穿模与物理失真问题。在 Waymo 真实驾驶数据上，其动作连贯性与物理合理性两项指标均排名第一，超过 Seedance 2.0 与 Wan 2.6，代码与交互 Demo 已开源。