MIMO简介

MIMO是一个用于可控视频合成的通用模型，能够根据简单的用户输入，合成具有可控属性（如角色、动作和场景）的视频。它通过编码2D视频到紧凑的空间代码，并考虑视频发生的固有3D特性，实现了对任意角色的高级可扩展性、对新3D动作的通用性以及对交互式现实场景的适用性。