UniAnimate是一个用于人物图像动画的统一视频扩散模型框架。它通过将参考图像、姿势指导和噪声视频映射到一个共同的特征空间，以减少优化难度并确保时间上的连贯性。UniAnimate能够处理长序列，支持随机噪声输入和首帧条件输入，显著提高了生成长期视频的能力。此外，它还探索了基于状态空间模型的替代时间建模架构，以替代原始的计算密集型时间Transformer。UniAnimate在定量和定性评估中都取得了优于现有最先进技术的合成结果，并且能够通过迭代使用首帧条件策略生成高度一致的一分钟视频。 需求人群：
"UniAnimate的目标受众主要是计算机视觉和图形学领域的研究人员和开发者，特别是那些专注于人物动画和视频生成的专业人士。它适合需要生成高质量、长时序人物视频动画的应用场景，如电影制作、游戏开发、虚拟现实体验等。"
