Wan-Move : Génération de vidéo contrôlable par le mouvement via un guidage de trajectoire latente

papers.abstract

Nous présentons Wan-Move, un cadre simple et évolutif qui intègre le contrôle du mouvement aux modèles génératifs vidéo. Les méthodes existantes de contrôle du mouvement souffrent généralement d'une granularité de contrôle grossière et d'une évolutivité limitée, rendant leurs résultats insuffisants pour un usage pratique. Nous réduisons cet écart en réalisant un contrôle du mouvement précis et de haute qualité. Notre idée centrale est de rendre directement les caractéristiques conditionnelles originales sensibles au mouvement pour guider la synthèse vidéo. Pour cela, nous représentons d'abord les mouvements d'objets par des trajectoires de points denses, permettant un contrôle fin de la scène. Nous projetons ensuite ces trajectoires dans l'espace latent et propageons les caractéristiques de la première image le long de chaque trajectoire, produisant une carte de caractéristiques spatiotemporelles alignée qui indique comment chaque élément de la scène doit se déplacer. Cette carte de caractéristiques sert de condition latente mise à jour, qui s'intègre naturellement dans le modèle image-à-vidéo existant, par exemple Wan-I2V-14B, comme guide de mouvement sans aucune modification architecturale. Cela élimine le besoin d'encodeurs de mouvement auxiliaires et rend le fine-tuning des modèles de base facilement évolutif. Grâce à un entraînement à grande échelle, Wan-Move génère des vidéos de 5 secondes en 480p dont la contrôlabilité du mouvement rivalise avec le pinceau de mouvement commercial de Kling 1.5 Pro, comme l'indiquent les études utilisateurs. Pour soutenir une évaluation complète, nous concevons en outre MoveBench, un benchmark rigoureusement constitué comprenant des catégories de contenu diversifiées et des annotations hybrides vérifiées. Il se distingue par un volume de données plus important, des durées vidéo plus longues et des annotations de mouvement de haute qualité. Des expériences approfondies sur MoveBench et le jeu de données public confirment systématiquement la qualité mouvement supérieure de Wan-Move. Le code, les modèles et les données du benchmark sont rendus publics.

English

We present Wan-Move, a simple and scalable framework that brings motion control to video generative models. Existing motion-controllable methods typically suffer from coarse control granularity and limited scalability, leaving their outputs insufficient for practical use. We narrow this gap by achieving precise and high-quality motion control. Our core idea is to directly make the original condition features motion-aware for guiding video synthesis. To this end, we first represent object motions with dense point trajectories, allowing fine-grained control over the scene. We then project these trajectories into latent space and propagate the first frame's features along each trajectory, producing an aligned spatiotemporal feature map that tells how each scene element should move. This feature map serves as the updated latent condition, which is naturally integrated into the off-the-shelf image-to-video model, e.g., Wan-I2V-14B, as motion guidance without any architecture change. It removes the need for auxiliary motion encoders and makes fine-tuning base models easily scalable. Through scaled training, Wan-Move generates 5-second, 480p videos whose motion controllability rivals Kling 1.5 Pro's commercial Motion Brush, as indicated by user studies. To support comprehensive evaluation, we further design MoveBench, a rigorously curated benchmark featuring diverse content categories and hybrid-verified annotations. It is distinguished by larger data volume, longer video durations, and high-quality motion annotations. Extensive experiments on MoveBench and the public dataset consistently show Wan-Move's superior motion quality. Code, models, and benchmark data are made publicly available.

Wan-Move : Génération de vidéo contrôlable par le mouvement via un guidage de trajectoire latente

Wan-Move: Motion-controllable Video Generation via Latent Trajectory Guidance

papers.abstract

Support