FlexiAct是什么
flexiact是由清华大学与腾讯arc实验室共同开发的新型动作迁移模型。该模型能够在提供目标图像的情况下，将参考视频中的动作准确地转移到目标主体上，即使在空间结构差异显著或跨域的异构场景中，也能实现精确的动作匹配和外观一致性。flexiact通过引入轻量级的refadapter模块和频率感知动作提取（fae）模块，克服了现有方法在布局、视角和骨架结构差异方面的局限性，同时保持了身份的一致性。该模型在人物和动物的动作迁移方面表现优异，具有广泛的应用潜力。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
FlexiAct的主要功能
- 跨主体动作迁移：支持将动作从一个人转移到另一个人，或从人转移到动物。
- 保持外观一致性：在转移动作的同时，确保目标主体的外观（如服装、发型等）与原始目标图像保持一致。
- 灵活的空间结构适配：即使参考视频和目标图像在布局、视角和骨架结构上存在差异，也能实现动作的自然转移。
FlexiAct的技术原理
- RefAdapter（空间结构适配器）：RefAdapter是一个轻量级的图像条件适配器，主要用于解决参考视频和目标图像之间的空间结构差异问题。在训练过程中，随机选择视频帧作为条件图像，以最大化空间结构的差异性。这使得模型能够适应不同的姿态、布局和视角，同时保持外观的一致性。通过注入少量可训练参数（如LoRA模块），在CogVideoX-I2V的MMDiT层中实现灵活的空间适配，避免了传统方法中的严格约束。
- 频率感知动作提取：FAE是一个创新的动作提取模块，直接在去噪过程中完成动作提取，不依赖于独立的时空架构。FAE观察到在去噪的不同时间步中，模型对运动（低频）和外观细节（高频）的关注程度不同。在早期时间步中，模型更关注运动信息；在后期时间步中，模型更关注外观细节。FAE基于动态调整注意力权重，优先在早期时间步提取运动信息，在后期时间步关注外观细节，从而实现精准的动作提取和控制。
FlexiAct的项目地址
- 项目官网：https://www.php.cn/link/feafb280b99f47d2e75d6008f73c15a3
- GitHub仓库：https://www.php.cn/link/d42d69e7f0bd978777cca54687d3f1b7
- HuggingFace模型库：https://www.php.cn/link/6de1de23aac1b51733a0c789de180879
- arXiv技术论文：https://www.php.cn/link/26f442e45f3939150bec252fdc0f6466
FlexiAct的应用场景
- 影视制作：快速生成逼真的角色动作，降低拍摄成本。
- 游戏开发：为游戏角色生成多样化的动作，提升游戏体验。
- 广告营销：生成虚拟代言人的动作，增强广告的吸引力。
- 教育培训：生成教学和康复训练的动作，辅助学习和恢复。
- 娱乐互动：支持用户创作有趣的视频，提升娱乐体验。
