WildActor：无约束身份保持的视频生成

生产级人形视频生成要求数字演员在动态镜头、不同视角及复杂动作下保持严格的全身身份一致性，而这一设定对现有方法仍具挑战。先前方法常因面部中心化行为忽视身体层面一致性，或产生人物复制粘贴式瑕疵，导致主体因姿态锁定显得僵硬。我们构建了Actor-18M——一个大规模人形视频数据集，旨�捕捉在无约束视角与环境下的身份一致性。Actor-18M包含160万个视频及其对应的1800万张人物图像，覆盖任意视角及标准三视角表示。基于Actor-18M，我们提出WildActor——一个针对任意视角条件人形视频生成的框架。我们引入非对称身份保持注意力机制，搭配视角自适应蒙特卡洞抽样策略，对参考条件进行迭代重加权，以实现对均衡流形覆盖的边际效用最大化。评估于新构建的Actor-Bench基准上，WildActor在多样化镜头构图、大范围视角转换及显著动作变化的挑战性场景下，始终能够保持身体身份一致性，超越现有方法在这些极端设定下的表现。