ISGM

本文提出 DIAL 框架，通过挖掘 DiT 中的 Intrinsic Spatial Grounding Map (ISGM)，在低噪声阶段实现免训练的可控保真度引导，在高噪声阶段通过零成本偏好优化锚定主体语义，显著提升了多主体视频生成的身份一致性与稳定性。