FreeAnimate：具有预览引导去噪功能的 无需训练 人体图像动画

人类图像动画取得了显着的进步，这主要是由扩散模型推动的。然而，现有方法通常需要大量的训练数据和资源才能获得高质量的结果，限制了泛化和可访问性。在这项工作中，我们引入了 \emph{FreeAnimate}，这是一个 无需训练 框架，它利用图像扩散模型的固有功能来实现时间一致性、身份保留和背景稳定性。我们的方法采用了一种新颖的预览生成策略，该策略从生成的预览帧中提供时间和结构先验，无需训练即可有效指导姿势对齐和背景一致性。此外，FreeAnimate 引入了 Inversion-Boosted Attention 和 Reference-Anchored Self-Attention 模块来保证时间一致性和身份保存。实验结果表明，FreeAnimate 优于现有的 无需训练 竞争对手和基于训练的基线方法，实现了与最先进方法相当的生成质量，并在不同数据集上提供了强大的泛化能力。我们的项目页面位于 https://freeani.github.io/。