X-Dyna是一種創新的零樣本人類圖像動畫生成技術，通過將驅動視頻中的面部表情和身體動作遷移到單張人類圖像上，生成逼真且富有表現力的動態效果。該技術基於擴散模型，通過Dynamics-Adapter模塊，將參考外觀上下文有效整合到擴散模型的空間注意力中，同時保留運動模塊合成流暢複雜動態細節的能力。它不僅能夠實現身體姿態控制，還能通過本地控制模塊捕捉與身份無關的面部表情，實現精確的表情傳遞。X-Dyna在多種人類和場景視頻的混合數據上進行訓練，能夠學習物理人體運動和自然場景動態，生成高度逼真和富有表現力的動畫。