SteadyDancer：和谐一致的人体图像动画与首帧保持

在保持首帧身份的同时确保精确的运动控制，是人体图像动画中的一个基本挑战。主导的参考到视频（R2V）范式中的图像到运动绑定过程忽略了真实应用中常见的时空错位，导致身份漂移和视觉伪影等失败。我们提出了 SteadyDancer，一个基于图像到视频（I2V）范式的框架，实现了和谐一致的动画，并且是首个稳健地确保首帧保持的方法。首先，我们提出了一种条件协调机制，用于协调两个冲突的条件，在保持保真度的同时实现精确控制。其次，我们设计了协同姿态调制模块，以生成与参考图像高度兼容的自适应且连贯的姿态表示。最后，我们采用分阶段解耦目标训练管道，对模型进行运动保真度、视觉质量和时间一致性的分层优化。实验表明，SteadyDancer 在外观保真度和运动控制方面均达到了最先进的性能，同时所需的训练资源显著少于可比方法。该模型已公开发布于 \url{https://mcg-nju.github.io/steadydancer-web}。