Cosmos Transfer

NVIDIA Cosmos Transfer进阶

英伟达的可控视频生成模型，按深度、分割、边缘等结构图生成逼真视频。

Cosmos Transfer 是英伟达 Cosmos 家族中做条件生成的分支，采用多路 ControlNet 结构（把额外的结构图作为生成条件）。输入分割图、深度图、边缘图、模糊画面、高精地图或激光雷达等空间控制信号，输出布局和运动不变、但光照、天气、材质可换的逼真视频。Cosmos-Transfer1 于 2025 年 3 月发布，可以在画面不同位置给不同控制信号分配不同权重；Cosmos-Transfer2.5 于 2025 年 10 月发布，2B 参数，基于 Predict2.5，2026 年 2 月又推出低延迟的蒸馏版。主要用途是数据增强：把仿真器渲染的机器人或驾驶画面变成照片级视频，缩小虚实差距；或把一段真实录像改成雨天、夜晚等版本，扩充训练数据。

例子在 Isaac Sim 里渲染一段机械臂抓取视频，提取深度图和分割图交给 Cosmos Transfer，换不同文字提示，就能得到多种背景、光照的逼真版本，用来训练更抗视觉干扰的策略。

也叫: Cosmos-Transfer1、Cosmos-Transfer2.5
相关: Cosmos、仿真到现实迁移、虚实差距、生成式数据增强、合成数据、Cosmos Predict
来源: Cosmos-Transfer1: Conditional World Generation with Adaptive Multimodal Control (arXiv 2503.14492)
nvidia-cosmos/cosmos-transfer2.5 GitHub 仓库
信息截至: 2026-02