MikuDance – 混合动力动画生成技术，将静态图像生成动态风格化的角色艺术-爱论文

MikuDance是什么

MikuDance是基于扩散模型的动画生成技术，整合混合运动动力学来动画化风格化的角色艺术。MikuDance基于混合运动建模和混合控制扩散技术，解决高动态运动和参考引导错位问题，能显式建模动态相机和角色运动，隐式对齐角色形状、姿势和比例，实现连贯的运动控制。MikuDance在多种角色艺术和运动引导下展现出有效性和泛化能力，生成具有显著运动动态的高质量动画。

MikuDance的主要功能

动画化风格化角色艺术：MikuDance能将静态的角色图像转化为动态的动画，适于风格化的角色艺术，如动漫风格。处理高动态运动：能处理复杂的前景和背景中的高动态运动，包括角色的大幅度动作和相机的快速移动。参考引导对齐：基于隐式对齐技术，处理角色形状、姿势和比例与运动引导之间的错位问题。全局与局部运动控制：结合场景运动跟踪和运动自适应归一化模块，同时控制全局场景运动和局部角色运动。多风格适应性：MikuDance适应多种艺术风格，包括赛璐璐、古典风格和线条素描，显示出强大的泛化能力。

MikuDance的技术原理

混合运动建模：将3D相机姿态转换为像素级场景运动表示，MikuDance显式建模动态相机和角色运动，实现角色与场景的统一运动建模。混合控制扩散：将参考角色艺术、参考姿势和所有角色姿势引导整合到统一的潜在空间中，实现对动画的对齐运动控制。运动自适应归一化模块：将全局场景运动有效地注入到角色动画中，支持全面的人物造型动画生成。混合源训练方法：采用两阶段训练方法，第一阶段用成对视频帧进行训练，第二阶段加入MAN模块和时间模块，用混合MMD视频剪辑和不含角色的相机运动视频进行训练，增强模型的鲁棒性和泛化能力。Stable Diffusion的预备知识：MikuDance基于Stable Diffusion（SD）模型，模型包含一个VAE进行图像的自动编码，以及一个UNet进行噪声估计，基于反向扩散过程将噪声图像逐步转化为潜在图像。

MikuDance的项目地址

项目官网：kebii.github.io/MikuDanceGitHub仓库：https://github.com/Kebii/MikuDance（即将开源）arXiv技术论文：https://arxiv.org/pdf/2411.08656

MikuDance的应用场景

游戏开发：在游戏制作中，快速生成角色动画，减少传统动画制作的成本和时间。电影和电视制作：在电影和电视剧的后期制作中，创造复杂的动态场景和特效，增强视觉冲击力。虚拟现实（VR）和增强现实（AR）：在VR和AR应用中，生成与用户互动的动态角色，提升沉浸感。动画制作：对于传统2D或3D动画，提供一种新的动画生成方式，特别是对于风格化的角色动画。社交媒体内容创作：内容创作者生成具有吸引力的动态图像和视频，用在社交媒体平台。