能给我解释一下为什么表现那么好吗 #16
Description
我们使用了vid2vid-zero,vid2vid-p2p以及controlvideo做了实验。
在我们的实验中controlvideo，效果远胜于前两者。
很长一段时间我以为controlvideo也是prompt2prompt的视频类延申工作，所以对于指定物品的修改才能如此精准，但是今天一看并没有类似于vid2vid-p2p的注意力替换，完全是似乎依赖于Keyframe Attention和Temporal At.（虽然p2p只有8帧
我真的有点想不明白为什么表现能那么好？仅仅依靠Keyframe Attention和Temporal At.
我是不是有理由可以怀疑 prompt2prompt中提到的方法（下图）其实是是一种次优的选择呢？那为什么又会是次优呢？
