본 논문은 확산 변환기(Diffusion Transformer, DiT)를 위한 새로운 영상 모션 전이 방법인 DiTFlow를 제안합니다. DiTFlow는 기준 영상의 모션을 새로 합성된 영상으로 전이하는데, 먼저 기준 영상을 사전 훈련된 DiT로 처리하여 프레임 간 어텐션 맵을 분석하고 패치 단위 모션 신호인 어텐션 모션 플로우(Attention Motion Flow, AMF)를 추출합니다. 그런 다음, AMF 손실을 사용하여 잠재 변수를 최적화하는 최적화 기반, 훈련 없는 방식으로 잠재적 잡음 제거 과정을 안내하여 기준 영상의 모션을 재현하는 영상을 생성합니다. 또한 변환기 위치 임베딩에도 최적화 전략을 적용하여 제로샷 모션 전이 기능을 향상시킵니다. 다양한 지표와 사람 평가를 통해 최근 발표된 방법들에 비해 DiTFlow의 성능 우수성을 검증합니다.
