# 圖像動畫

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。

DisPose是一種用於控制人類圖像動畫的方法，它通過運動場引導和關鍵點對應來提高視頻生成的質量。這項技術能夠從參考圖像和驅動視頻中生成視頻，同時保持運動對齊和身份信息的一致性。DisPose通過從稀疏的運動場和參考圖像生成密集的運動場，提供區域級別的密集引導，同時保持稀疏姿態控制的泛化能力。此外，它還從參考圖像中提取與姿態關鍵點對應的擴散特徵，並將這些點特徵轉移到目標姿態，以提供獨特的身份信息。DisPose的主要優點包括無需額外的密集輸入即可提取更通用和有效的控制信號，以及通過即插即用的混合ControlNet提高生成視頻的質量和一致性，而無需凍結現有模型參數。

img2video是一個利用先進AI技術將靜態圖像和文本轉換成短視頻的平臺，特別適合社交媒體內容創作。它通過簡化視頻創作流程，使得用戶能夠輕鬆創建引人注目的視頻內容，提升內容的吸引力和傳播力。該產品背景信息顯示，它適用於多種視頻創作場景，如產品展示、舞蹈視頻、舊照片動畫等，並且提供了多種視頻生成選項，滿足不同用戶的需求。價格方面，雖然頁面上沒有明確說明，但提到了'定價'頁面，可能意味著有付費服務。

Animate-X是一個基於LDM的通用動畫框架，用於各種角色類型（統稱為X），包括人物擬態角色。該框架通過引入姿勢指示器來增強運動表示，可以更全面地從驅動視頻中捕獲運動模式。Animate-X的主要優點包括對運動的深入建模，能夠理解驅動視頻的運動模式，並將其靈活地應用到目標角色上。此外，Animate-X還引入了一個新的Animated Anthropomorphic Benchmark (A2Bench) 來評估其在通用和廣泛適用的動畫圖像上的性能。

DepthFlow是一個高度可定製的視差著色器，用於動畫化您的圖像。它是一個免費且開源的ImmersityAI替代品，能夠將圖像轉換成具有2.5D視差效果的視頻。該工具擁有快速的渲染能力，支持多種後處理效果，如暈影、景深、鏡頭畸變等。它支持多種參數調整，能夠創建靈活的運動效果，並且內置了多種預設動畫。此外，它還支持視頻編碼導出，包括H264、HEVC、AV1等格式，並且提供了無需水印的用戶體驗。

MOFA-Video是一種能夠將單張圖片通過各種控制信號動畫化的方法。它採用了稀疏到密集(S2D)運動生成和基於流的運動適應技術，可以有效地使用軌跡、關鍵點序列及其組合等不同類型的控制信號來動畫化單張圖片。在訓練階段，通過稀疏運動採樣生成稀疏控制信號，然後訓練不同的MOFA-Adapters來通過預訓練的SVD生成視頻。在推理階段，不同的MOFA-Adapters可以組合起來共同控制凍結的SVD。

Hallo是一個由復旦大學開發的肖像圖像動畫技術，它利用擴散模型生成逼真且動態的肖像動畫。與傳統依賴參數模型的中間面部表示不同，Hallo採用端到端的擴散範式，並引入了一個分層的音頻驅動視覺合成模塊，以增強音頻輸入和視覺輸出之間的對齊精度，包括嘴唇、表情和姿態運動。該技術提供了對錶情和姿態多樣性的自適應控制，能夠更有效地實現個性化定製，適用於不同身份的人。

DynamiCrafter是一款由Jinbo Xing、Menghan Xia等人開發的圖像動畫工具。通過利用預訓練的視頻擴散先驗，DynamiCrafter可以基於文本提示為開放域的靜止圖像添加動畫效果。該工具支持高分辨率模型，提供更好的動態效果、更高的分辨率和更強的一致性。DynamiCrafter主要用於故事視頻生成、循環視頻生成和生成幀插值等場景。

AnimateZero是一款零樣本圖像動畫生成器，通過分離外觀和運動生成視頻，解決了黑盒、低效、不可控等問題。它可以通過零樣本修改將預訓練的T2V模型轉換為I2V模型，從而實現零樣本圖像動畫生成。AnimateZero還可以用於視頻編輯、幀插值、循環視頻生成和真實圖像動畫等場景，具有較高的主觀質量和匹配度。

VividTalk是一種一次性音頻驅動的頭像生成技術，基於3D混合先驗。它能夠生成具有表情豐富、自然頭部姿態和唇同步的逼真說唱視頻。該技術採用了兩階段通用框架，支持生成具有上述所有特性的高視覺質量的說唱視頻。具體來說，在第一階段，通過學習兩種運動（非剛性表情運動和剛性頭部運動），將音頻映射到網格。對於表情運動，採用混合形狀和頂點作為中間表示，以最大化模型的表徵能力。對於自然頭部運動，提出了一種新穎的可學習頭部姿勢碼本，並採用兩階段訓練機制。在第二階段，提出了一個雙分支運動VAE和一個生成器，將網格轉換為密集運動，並逐幀合成高質量視頻。大量實驗證明，VividTalk能夠生成具有唇同步和逼真增強的高視覺質量說唱視頻，且在客觀和主觀比較中優於以往的最先進作品。該技術的代碼將在發表後公開發布。

MagicAnimate 是一款使用擴散模型實現的時域一致的人體圖像動畫工具。它可以通過對人體圖像進行擴散模型的運算，實現高質量、自然流暢的人體動畫效果。MagicAnimate 具有高度的可控性和靈活性，可以通過微調參數來實現不同的動畫效果。它適用於人體動畫創作、虛擬角色設計等領域。