JtT：重新思考点轨迹扩散，从单张图像生成多样且刚性的运动

JtT 是一个直接在坐标空间运行的扩散 Transformer，可从单张图像预测任意点的多样且物理合理的未来轨迹，无需深度等几何输入，参数量仅约 50M。研究发现扩散逐帧速度是唯一能捕捉刚性的参数化方式，需搭配正确的时间步调度，并在查询点加入全分辨率 RGB 以解决边界失败。