Tora

由阿里巴巴集团研发的轨迹导向的扩散变换器（Trajectory-oriented Diffusion Transformer），用于视频生成。它在 2025 年的 CVPR（计算机视觉与模式识别会议）上被提出，并在 ACM MM25（国际多媒体会议）上进行了进一步的改进和展示。Tora 旨在通过结合文本、视觉和轨迹条件，生成具有可控运动的高质量视频内容。

主要特点

• 轨迹控制：Tora 能够精确地生成符合指定轨迹的视频内容，同时真实地模拟物理世界的动态。
• 多模态融合：结合文本、视觉和轨迹条件，生成与输入条件一致的视频。
• 高分辨率和长时间视频生成：支持生成高分辨率、长时间的视频内容。
• 可扩展性：与扩散变换器（DiT）的可扩展性无缝对接，允许对视频内容的动态进行精确控制。
• 运动一致性：生成的视频在运动上保持高度一致性，适合多种应用场景。

主要功能

• 视频生成：生成高质量的视频内容，适用于广告、电影制作、虚拟现实等领域。
• 运动模拟：模拟物理世界的运动，适用于科学研究和教育。
• 创意内容创作：为艺术家和创意工作者提供工具，生成独特的视频内容。

E导航总结

Tora作为E导航整理收集的一个创新的视频生成框架，通过结合文本、视觉和轨迹条件，生成具有可控运动的高质量视频内容。它在运动保真度和多实体运动控制方面表现出色，适用于多种应用场景。Tora 的研究为视频生成领域带来了新的可能性和创新方向。