一致性
AnimateAnything
AnimateAnything是一项由浙江大学与北京航空航天大学联合研发的统一可控视频生成技术。它能够根据相机轨迹、文本提示及用户动作注释等多样化控制信号生成高质量视频，并通过多尺度特征融合网络将这些信号转化为逐帧光流进行精准引导。此外，为解决大范围运动带来的视频闪烁问题，该技术采用了基于频率的稳定模块，显著增强了视频的时间稳定性。主要应用于影视制作、虚拟现实、游戏开发以及教育培训等多个领域。
DiffuEraser
DiffuEraser是一款基于稳定扩散模型的视频修复工具，具备未知像素生成、已知像素传播、时间一致性维护等功能。通过集成运动模块和优化网络架构，它能有效提升视频修复质量，减少噪声和幻觉。适用于影视后期制作、老电影修复、监控视频增强等多个领域，支持高精度和高连贯性的视频内容修复与增强。
SketchVideo
SketchVideo是一款基于草图和文本提示的视频生成与编辑框架，由多所高校与企业联合研发。它利用DiT模型和草图控制网络，实现对视频内容的精细控制，支持动态调整与细节保留。该工具适用于多种场景，如影视制作、教育、游戏开发等，具备高效生成与高质量输出能力。
WorldScore
WorldScore是由斯坦福大学推出的统一世界生成模型评估基准，支持3D、4D、图像到视频（I2V）和文本到视频（T2V）等多种模态。它从可控性、质量和动态性三个维度进行评估，涵盖3000个测试样本，包括静态与动态、室内与室外、逼真与风格化等多种场景。WorldScore具备多场景生成、长序列支持、图像条件生成、多风格适配等功能，适用于图像到视频、图像到3D生成以及自动驾驶场景模拟等应用，为研究
LatentSync
LatentSync是由字节跳动与北京交通大学联合研发的端到端唇形同步框架，基于音频条件的潜在扩散模型，无需中间3D或2D表示，可生成高分辨率、动态逼真的唇同步视频。其核心技术包括Temporal Representation Alignment (TREPA)方法，提升视频时间一致性，并结合SyncNet监督机制确保唇部动作准确。适用于影视制作、教育、广告、远程会议及游戏开发等多个领域。
Poetry2Image
Poetry2Image是一个由哈尔滨工业大学提出的迭代校正框架，专门用于中文古诗词的图像生成。该工具通过自动化反馈和校正机制，提升了诗歌与图像的一致性，解决了文本到图像生成模型在处理中文古典诗歌时常见的关键元素丢失或语义混淆问题。Poetry2Image具备搜索翻译、生成初始图像、提取关键元素、图像修正及迭代优化等功能，与多种图像生成模型结合使用时，其元素完整性和语义一致性表现优异，适用于古诗词
