CustomVideo é uma estrutura inovadora projetada para gerar vídeos que mantêm a identidade mesmo com múltiplos temas. O produto primeiro incentiva a co-ocorrência de múltiplos temas e, em seguida, projeta uma estratégia de controle de atenção simples e eficaz por meio de um modelo básico de difusão de texto para vídeo para separar os diferentes temas no espaço latente do modelo de difusão. Além disso, o produto também ajuda o modelo a se concentrar em áreas de objetos específicas, segmentando objetos a partir de uma imagem de referência fornecida e fornecendo máscaras de objeto correspondentes para o aprendizado de atenção. Simultaneamente, eles também coletaram um conjunto de dados de geração de vídeo de texto multitemático como um benchmark abrangente, incluindo 69 temas individuais e 57 pares significativos. Um grande número de resultados qualitativos, quantitativos e de pesquisas com usuários demonstra que nosso método possui vantagens significativas em comparação com os métodos de ponta anteriores.