SCAIL：通过基于Transformer的原语学习实现工作室级人物动画
计算机视觉与模式识别
2026-03-24 v3
摘要
尽管近期进展显著，实现满足工作室标准的可控人物动画仍具有挑战性。现有方法可将驱动视频中的运动传递到参考图像，但常在涉及复杂运动和跨身份动画的野生场景中无法保持结构保真度和时间一致性。本文提出了SCAIL（Studio-Grade Character Animation via In-Context Learning的框架），旨在从两个关键创新中解决这些问题。首先，我们提出了一种新型三维姿态表示，提供稳健且灵活的运动信号。其次，我们在扩散-Transformer中引入完整情境姿态注入机制，使其能够对完整运动序列进行有效的时空推理。为符合工作室级要求，我们开发了确保多样性和质量的精选数据管道，并建立了用于系统评估的全面基准。实验表明，SCAIL实现了最先进的性能，推动了人物动画向工作室级控制的发展。代码和模型均可在\href{https://github.com/zai-org/SCAIL}{zai-org/SCAIL}获取。
引用
@article{arxiv.2512.05905,
title = {SCAIL: Towards Studio-Grade Character Animation via In-Context Learning of 3D-Consistent Pose Representations},
author = {Wenhao Yan and Sheng Ye and Zhuoyi Yang and Jiayan Teng and ZhenHui Dong and Kairui Wen and Xiaotao Gu and Yong-Jin Liu and Jie Tang},
journal= {arXiv preprint arXiv:2512.05905},
year = {2026}
}