SteadyDancer: Согласованная и последовательная анимация изображений человека с сохранением первого кадра

SteadyDancer: Harmonized and Coherent Human Image Animation with First-Frame Preservation

November 24, 2025

Авторы: Jiaming Zhang, Shengming Cao, Rui Li, Xiaotong Zhao, Yutao Cui, Xinglin Hou, Gangshan Wu, Haolan Chen, Yu Xu, Limin Wang, Kai Ma

cs.AI

Аннотация

Сохранение идентичности первого кадра при обеспечении точного управления движением является фундаментальной задачей в анимации изображений человека. Процесс связывания изображения с движением в доминирующей парадигме Reference-to-Video (R2V) игнорирует критические пространственно-временные несовпадения, характерные для реальных приложений, что приводит к таким проблемам, как дрейф идентичности и визуальные артефакты. Мы представляем SteadyDancer — фреймворк на основе парадигмы Image-to-Video (I2V), который обеспечивает гармоничную и связную анимацию и первым надежно гарантирует сохранение первого кадра. Во-первых, мы предлагаем механизм согласования условий для гармонизации двух конфликтующих условий, позволяющий осуществлять точное управление без потери fidelity. Во-вторых, мы разрабатываем синергетические модули модуляции позы для генерации адаптивного и связного представления позы, обладающего высокой совместимостью с референсным изображением. Наконец, мы используем поэтапный конвейер обучения с разделенными целями, который иерархически оптимизирует модель по fidelity движения, визуальному качеству и временной согласованности. Эксперименты показывают, что SteadyDancer достигает передовых результатов как по fidelity внешнего вида, так и по управлению движением, требуя при этом значительно меньше вычислительных ресурсов для обучения по сравнению с аналогичными методами.

English

Preserving first-frame identity while ensuring precise motion control is a fundamental challenge in human image animation. The Image-to-Motion Binding process of the dominant Reference-to-Video (R2V) paradigm overlooks critical spatio-temporal misalignments common in real-world applications, leading to failures such as identity drift and visual artifacts. We introduce SteadyDancer, an Image-to-Video (I2V) paradigm-based framework that achieves harmonized and coherent animation and is the first to ensure first-frame preservation robustly. Firstly, we propose a Condition-Reconciliation Mechanism to harmonize the two conflicting conditions, enabling precise control without sacrificing fidelity. Secondly, we design Synergistic Pose Modulation Modules to generate an adaptive and coherent pose representation that is highly compatible with the reference image. Finally, we employ a Staged Decoupled-Objective Training Pipeline that hierarchically optimizes the model for motion fidelity, visual quality, and temporal coherence. Experiments demonstrate that SteadyDancer achieves state-of-the-art performance in both appearance fidelity and motion control, while requiring significantly fewer training resources than comparable methods.