腾讯宣布开源可控视频生成框架 MimicMotion，该框架可以通过提供参考人像及由骨骼序列表示的动作，来产生平滑的高质量人体动作视频

MimicMotion 具有以下几个亮点：

• 首先，通过引入了置信度感知的姿态引导信号，大幅提升了帧间一致性，使得产生的视频在时序上能够做到平滑自然。
• 其次，通过放大置信度感知的区域损失，显著减少了图像失真，使得局部画面如人体手部细节得到了大幅改善。

• 最后，通过结合扩散过程的渐进式潜在特征融合策略，MimicMotion 能够在有限的算力资源内生成无限长的视频同时保证画面连贯。

MimicMotion 在生成多种形式的人体动作视频上均具有良好的结果，包括半身动作、全身动作以及谈话动作视频。相比现有的开源方案如 MagicPose、Moore-AnimateAnyone 等；

MimicMotion 具有以下几点优势：

1. 生成结果细节更加丰富且清晰，包括人体手部细节；

2. 帧间连续性更加优秀，画面无明显跳变；

3. 支持平滑的长视频生成

在量化指标评估实验中，MimicMotion 相比现有开源方案 MagicPose、Moore-AnimateAnyone 以及 MuseV，在 FID-VID 及 FVD 测试指标上均取得了领先。

• 官方网站：MimicMotion
• 代码仓库：​​​​​​​​​​​​​​https://github.com/Tencent/MimicMotion
• 论文地址：​​​​​​​https://arxiv.org/abs/2406.19680

MagicPose:

MagicPose可以精确地生成外观一致的结果，而原始的文本到图像模型(如Stable Diffusion和ControlNet)很难准确地保持主体身份信息。

此外，MagicPose模块可以被视为原始文本到图像模型的扩展/插件，而无需修改其预训练的权重

论文链接：​​​​​​​https://arxiv.org/pdf/2311.12052

项目链接：​​​​​​​https://github.com/Boese0601/MagicDance