第一作者徐源诚是 Netflix Eyeline 的研究科学家，专注于基础 AI 模型的研究与开发，涵盖多模态理解、推理、交互与生成，重点方向包括可控视频生成及其在影 视制作中的应用。他于 2025 年获得美国马里兰大学帕克分校博士学位。 最后作者于宁是 Netflix Eyeline 资深研究科学家，带领视频生成 AI 在影视制作中的研发。他曾就职于 Salesforce、NVIDIA 及 Adobe，获马里兰大学与马普所联合 博士学位。他多次入围高通奖学金、CSAW 欧洲最佳论文，并获亚马逊 Twitch 奖学金、微软小学者奖学金，以及 SPIE 最佳学生论文。他担任 CVPR、ICCV、 ECCV、NeurIPS、ICML、ICLR 等顶会的领域主席，以及 TMLR 的执行编辑。 在电影与虚拟制作中，「看清一个人」从来不是看清某一帧。导演通过镜头运动与光线变化，让观众在不同视角、不同光照条件下逐步建立对一个角色的完整认 知。然而，在当前大量 customizing video generation model 的研究中，这个最基本的事实，却往往被忽视。 被忽视的核心问题：Multi-view Ident ...