BulletTime: Ontkoppelde Regeling van Tijd en Camerapositie voor Videogeneratie
BulletTime: Decoupled Control of Time and Camera Pose for Video Generation
December 4, 2025
Auteurs: Yiming Wang, Qihang Zhang, Shengqu Cai, Tong Wu, Jan Ackermann, Zhengfei Kuang, Yang Zheng, Frano Rajič, Siyu Tang, Gordon Wetzstein
cs.AI
Samenvatting
Opkomende videodiffusiemodellen bereiken een hoge visuele kwaliteit, maar koppelen fundamenteel scènedynamiek aan camerabeweging, wat hun vermogen beperkt om precieze ruimtelijke en temporele controle te bieden. Wij introduceren een 4D-controleerbaar videodiffusieraamwerk dat scènedynamiek expliciet ontkoppelt van camerapositie, waardoor fijnmazige manipulatie van zowel scènedynamiek als camerastandpunt mogelijk wordt. Ons raamwerk gebruikt continue wereld-tijdsequenties en cameratrajecten als conditioneringsinputs, die worden geïnjecteerd in het videodiffusiemodel via een 4D-positionele codering in de aandachtlaag en adaptieve normalisaties voor featuremodulatie. Voor de training van dit model hebben we een unieke dataset samengesteld waarin temporele en cameravariaties onafhankelijk zijn geparametriseerd; deze dataset zal openbaar worden gemaakt. Experimenten tonen aan dat ons model robuuste 4D-controle in de echte wereld bereikt over diverse temporele patronen en cameratrajecten, met behoud van hoge generatiekwaliteit en met betere controleerbaarheid dan eerder werk. Zie onze website voor videoresultaten: https://19reborn.github.io/Bullet4D/
English
Emerging video diffusion models achieve high visual fidelity but fundamentally couple scene dynamics with camera motion, limiting their ability to provide precise spatial and temporal control. We introduce a 4D-controllable video diffusion framework that explicitly decouples scene dynamics from camera pose, enabling fine-grained manipulation of both scene dynamics and camera viewpoint. Our framework takes continuous world-time sequences and camera trajectories as conditioning inputs, injecting them into the video diffusion model through a 4D positional encoding in the attention layer and adaptive normalizations for feature modulation. To train this model, we curate a unique dataset in which temporal and camera variations are independently parameterized; this dataset will be made public. Experiments show that our model achieves robust real-world 4D control across diverse timing patterns and camera trajectories, while preserving high generation quality and outperforming prior work in controllability. See our website for video results: https://19reborn.github.io/Bullet4D/