本研究提出了DreamActor-M1框架，旨在提升人像动画技术的可控性和一致性。该框架结合扩散变换器和混合引导信号，实现了对面部表情和身体动作的有效控制，实验结果表明其在多种姿态和尺度下优于现有技术。
Soul App的技术论文《基于自回归动作生成的实时流式音频驱动人像动画系统》在CVPR 2025会议上被接收，展示了在实时音频驱动人像动画方面的创新，提出了提高视频生成效率和自然度的方法，标志着Soul在多模态AI能力上的进展。
复旦大学研究生开发的StableAnimator框架利用扩散模型生成高质量人像动画视频，确保身份一致性。该技术在影视、游戏和自媒体等领域具有潜力，解决了复杂动作下面部失真和视频质量下降的问题。通过创新的面部编码器和HJB优化，StableAnimator在身份一致性和视频保真度方面表现出色。
本文介绍了一种基于3D人体参数模型的人像动画方法，旨在提高人体生成技术中的形状对齐和运动引导。该方法通过捕捉源视频中的复杂几何和运动特征，结合深度图像和语义图，生成高质量的动画，实验表明其在姿势和形状变化捕捉上具有优越的泛化能力。
本文列出了多个开源音频驱动的人像动画项目，包括“Live Speech Portraits”、“AniPortrait”、“Hallo”、“V-Express”、“InstructAvatar”和“VASA-1”。读者可分享其他相关项目。
本文列出了多个开源音频驱动的人像动画项目，包括“Live Speech Portraits”、“AniPortrait”等，展示了音频驱动技术的进展。欢迎读者分享更多相关项目。
完成下面两步后，将自动完成登录并继续当前操作。
