DisPose é um método para controlar a animação de imagens humanas, melhorando a qualidade da geração de vídeos por meio de orientação de campo de movimento e correspondência de pontos-chave. Esta tecnologia permite gerar vídeos a partir de uma imagem de referência e um vídeo de acionamento, mantendo o alinhamento de movimento e a consistência das informações de identidade. O DisPose gera campos de movimento densos a partir de campos de movimento esparsos e imagens de referência, fornecendo orientação densa em nível de região, mantendo ao mesmo tempo a capacidade de generalização do controle de pose esparso. Além disso, ele extrai recursos de difusão correspondentes aos pontos-chave de pose da imagem de referência e transfere esses recursos pontuais para a pose de destino, fornecendo informações de identidade exclusivas. As principais vantagens do DisPose incluem a extração de sinais de controle mais gerais e eficazes sem exigir entradas densas adicionais e o aprimoramento da qualidade e consistência da geração de vídeo por meio do ControlNet híbrido plug-and-play, sem a necessidade de congelar os parâmetros do modelo existente.