EverAnimate：通过隐式流恢复实现分钟级人类动画
计算机视觉与模式识别
2026-05-15 v1 人工智能
摘要
我们提出EverAnimate，这是一种高效的事后训练方法，用于长时程动画视频生成，同时保持视觉质量和角色身份一致性。长形式动画仍具有挑战性，因为高度动态的人类运动必须在相对静态环境中进行合成，使得基于块的方式的生成容易产生累积漂移：（i）低层次质量漂移，例如静态背景的渐进性退化；（ii）高层次语义漂移，例如角色身份和视角相关属性的不一致。为此，EverAnimate通过锚定持久的隐式上下文记忆来恢复漂移的流轨迹。（i）持久隐式传播维护跨块的上下文记忆，以在隐式空间中传递身份和运动，同时缓解时间遗忘。（ii）恢复式流匹配通过速度调整引入隐式恢复目标于采样，以提高块内保真度。仅需轻量级LoRA调优，EverAnimate在短时程和长时程设置下均优于最先进的长动画方法：在10秒处，PSNR/SSIM提升8%/7%，LPIPS/FID分别降低22%/11%；在90秒处，提升幅度增大至15%/15%和32%/27%。
引用
@article{arxiv.2605.15042,
title = {EverAnimate: Minute-Scale Human Animation via Latent Flow Restoration},
author = {Wuyang Li and Yang Gao and Mariam Hassan and Lan Feng and Wentao Pan and Po-Chien Luan and Alexandre Alahi},
journal= {arXiv preprint arXiv:2605.15042},
year = {2026}
}
备注
Project Page: https://everanimate.github.io/homepage/