SparseCtrlは、テキストから動画への生成における制御性を強化するために開発されました。少量の入力、あるいは単一の入力でスパース信号を用いた柔軟な構造制御を可能にします。本手法は、事前学習済みのテキストから動画へのモデルに影響を与えることなく、これらのスパース信号を処理するための追加の条件付きエンコーダを含みます。スケッチ、深度マップ、RGB画像など様々な形式に対応し、動画生成においてより実用的な制御を提供し、ストーリーボード、深度レンダリング、キーフレームアニメーション、補間といった用途を促進します。数多くの実験により、SparseCtrlは元のテキストから動画への生成器やパーソナライズされた生成器において汎化能力が高いことが証明されています。