Les modèles vidéo préentraînés acquièrent des priori puissants pour générer du contenu de haute qualité et cohérent dans le temps. Bien que ces modèles excellent en cohérence temporelle, leurs dynamiques sont souvent limitées par la nature continue de leurs données d’entraînement. Nous proposons l’hypothèse selon laquelle l’injection de la diversité riche et non contrainte des données d’image dans ce cadre temporel cohérent permettrait de générer des ensembles d’images caractérisés à la fois par des transitions naturelles et par une plage dynamique bien plus étendue. À cette fin, nous introduisons iMontage, un cadre unifié conçu pour réutiliser un modèle vidéo puissant comme générateur d’images tout-en-un. Ce cadre traite et produit des séquences d’images de longueur variable, unifiant une large gamme de tâches de génération et d’édition d’images. Pour atteindre cet objectif, nous proposons une stratégie d’adaptation élégante et peu intrusive, complétée par un processus de curations de données ciblé et un paradigme d’entraînement adapté. Cette approche permet au modèle d’acquérir des capacités étendues de manipulation d’images sans altérer ses précieux préjugés originaux sur le mouvement. iMontage se distingue sur plusieurs tâches courantes du type « plusieurs en entrée, plusieurs en sortie », en maintenant non seulement une cohérence contextuelle forte entre les images, mais aussi en générant des scènes aux dynamiques extraordinaires dépassant les cadres conventionnels. Consultez notre page d’accueil : https://kr1sjfu.github.io/iMontage-web/.