已收录文章摘要，完整内容可前往原文阅读。
该论文的第一作者为张栩禄，香港理工大学博士生，指导老师为李青教授，研究方向为图像与视频生成。迄今已在 ECCV、AAAI、ACM MM 等顶级会议发表多篇论文。本文通讯作者为魏骁勇教授，作者团队来自香