VLOGGER 通过音频或文本输入，结合单个图像，生成包含面部和身体动作的逼真人类视频，采用随机扩散模型和三维人体姿态表示；引入新的大规模多样化数据集MENTOR，提供三维姿势和表情注释，支持VLOGGER训练，使其在身份和时长方面成为最大的数据集；VLOGGER在多个公共基准测试上超越最先进方法，展现出在图像质量、身份保留和时间一致性上的优势，同时验证了其在不同多样性维度上的稳健性。（AI妙妙房）
扫码打开当前页
-
￥優惠使用時效：无法使用使用時效：
之前
使用時效：预期有效优惠编号：×