ReaDiT:单块 DiT 特征如何实现轻量级图像与视频生成控制

论文代表图:figure-01-p004-01

本文提出了 ReaDiT,一种轻量级框架,通过提取冻结 DiT 模型中单个 Transformer 块的特征来预测空间目标(如深度、姿态、边缘)或光流,并在推理时通过优化潜变量引导图像和视频生成,无需修改基础模型即可实现统一的空间与运动控制。