본 논문은 고품질 일관성 있는 비디오 생성의 최근 발전에도 불구하고 제어 가능한 비디오 생성이 여전히 중요한 과제임을 지적합니다. 기존의 대부분의 방법은 비디오를 전체적으로 다루어 복잡한 미세한 시공간적 관계를 무시하여 제어 정밀도와 효율성 모두를 제한합니다. 이에 본 논문에서는 비디오 개념을 분리하여 개별 개념에 대한 효율적이고 독립적인 제어를 용이하게 하는 제어 가능한 비디오 생성 적대적 생성 네트워크(CoVoGAN)를 제안합니다. 최소 변화 원칙에 따라 정적 및 동적 잠재 변수를 분리하고, 충분한 변화 속성을 활용하여 동적 잠재 변수의 구성 요소별 식별성을 달성하여 비디오 생성의 분리된 제어를 가능하게 합니다. 이러한 접근 방식의 식별성을 보여주는 엄격한 분석을 통해 이론적 토대를 마련하고, 이러한 이론적 통찰력을 바탕으로 잠재 역동성을 분리하는 시간 전이 모듈을 설계합니다. 최소 변화 원칙과 충분한 변화 속성을 강화하기 위해 잠재 동적 변수의 차원을 최소화하고 시간적 조건부 독립성을 부과합니다. 이 모듈을 GAN에 플러그인으로 통합하여 접근 방식을 검증하고, 다양한 비디오 생성 벤치마크에 대한 광범위한 정성적 및 정량적 실험을 통해 제안된 방법이 다양한 실제 시나리오에서 생성 품질과 제어 가능성을 크게 향상시킴을 보여줍니다.
