arXiv发布Video Diffusion Avatars

发生了什么

据arXiv论文，研究提出Video Diffusion Avatars (VDAs)，通过微调视频扩散模型从单张图像生成可控3D化身。该方法利用学习到的表情空间，支持对相机视角、面部表情和上半身姿态的精确控制。实验显示，VDAs在BecomingLit数据集上脸部分辨率LPIPS降低29%，感知质量提升66%。模型仅需34小时即可在单张A100上完成训练。