DreaMoving 是一个基于扩散模型的可控人类视频生成框架,由阿里巴巴集团智能计算研究院提出。项目页面(dreamoving.github.io/dreamoving)展示了该框架的技术报告、架构说明和生成示例,并提供论文、视频、代码、数据集以及 ModelScope、HuggingFace 的入口链接。
能做什么
根据页面摘要,DreaMoving 在给定目标身份和姿态序列后,可以生成该身份人物“在任何地方跳舞”的视频。它通过 Video ControlNet 处理姿态或深度等控制序列来实现运动控制,并用 Content Guider 将文本提示和面部等人脸外观表达转换为内容嵌入,以保持身份一致。模型被描述为易于使用,且能适配大多数风格化扩散模型。
输入与控制方式
- 参考图像:用于身份控制,页面示例中主要使用人脸参考图,服装为可选项。
- 姿态序列:用于精确的动作操纵,驱动生成视频中人物的动作。
- 文本提示:用于控制视频外观,如场景、服装等描述。
页面展示了海滩、中央公园、法国小镇、时代广场、埃及金字塔前等场景的生成示例,并提到在未见领域上也表现出泛化能力。
适合谁参考
该页面更适合关注视频生成、扩散模型和可控人物动画的研究者或开发者阅读,用于了解技术方案、查看示例效果,并循链接获取论文、代码、数据集和模型资源。页面本身是项目介绍页,不提供在线生成服务;实际使用需前往代码或模型平台。
DreaMoving 相关问答
根据官网公开信息整理 · 最近核验 2026-10-19
DreaMoving 是什么?
DreaMoving 是阿里巴巴集团智能计算研究院提出的一个基于扩散模型的可控人类视频生成框架,可根据目标身份和姿态序列生成人物跳舞视频。
DreaMoving 支持哪些输入来控制生成?
根据项目页面,DreaMoving 支持参考图像用于身份控制(人脸为主,服装可选)、姿态序列用于运动控制,以及文本提示用于控制视频外观。
DreaMoving 页面提供在线生成功能吗?
页面是项目介绍页,主要展示技术报告、架构和示例,并提供论文、代码、数据集及 ModelScope、HuggingFace 链接,不提供直接的在线生成服务。


