MotionClone ist ein trainingsfreies Framework, das das Klonen von Bewegungen aus einem Referenzvideo zur Steuerung der Text-zu-Video-Generierung ermöglicht. Es nutzt einen zeitlichen Aufmerksamkeitsmechanismus, um die Bewegung im Referenzvideo in der Videoinversion darzustellen, und führt eine Hauptzeit-Aufmerksamkeitsführung ein, um den Einfluss von Rauschen oder sehr subtilen Bewegungen in den Aufmerksamkeitsgewichten zu verringern. Zusätzlich wird ein positionsabhängiger semantischer Führungsmechanismus vorgeschlagen, der die grobe Position des Vordergrunds im Referenzvideo und die Position der frei geführten Merkmale des ursprünglichen Klassifikators nutzt, um das Generierungsmodell bei der Synthese plausibler räumlicher Beziehungen zu unterstützen und seine Fähigkeit zur Prompteinhaltung zu verbessern.