Buchumschlag

Versatile Multimodal Controls for Expressive Talking Human Animation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qin, Zheng, Zheng, Ruobing, Wang, Yabing, Li, Tianqi, Zhu, Zixin, Zhou, Sanping, Yang, Ming, Wang, Le
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Embracing Aleatoric Uncertainty: Generating Diverse 3D Human Motion
von: Qin, Zheng, et al.
Veröffentlicht: (2025)

HumanSense: From Multimodal Perception to Empathetic Context-Aware Responses through Reasoning MLLMs
von: Qin, Zheng, et al.
Veröffentlicht: (2025)

Robust Noisy Label Learning via Two-Stream Sample Distillation
von: Bai, Sihan, et al.
Veröffentlicht: (2024)

PC-Talk: Precise Facial Animation Control for Audio-Driven Talking Face Generation
von: Wang, Baiqin, et al.
Veröffentlicht: (2025)

Cafe-Talk: Generating 3D Talking Face Animation with Multimodal Coarse- and Fine-grained Control
von: Chen, Hejia, et al.
Veröffentlicht: (2025)

DreamActor-M1: Holistic, Expressive and Robust Human Image Animation with Hybrid Guidance
von: Luo, Yuxuan, et al.
Veröffentlicht: (2025)

From Mapping to Composing: A Two-Stage Framework for Zero-shot Composed Image Retrieval
von: Wang, Yabing, et al.
Veröffentlicht: (2025)

Think-Before-Draw: Decomposing Emotion Semantics & Fine-Grained Controllable Expressive Talking Head Generation
von: Shi, Hanlei, et al.
Veröffentlicht: (2025)

Controllable Expressive 3D Facial Animation via Diffusion in a Unified Multimodal Space
von: Liu, Kangwei, et al.
Veröffentlicht: (2025)

Referencing Where to Focus: Improving VisualGrounding with Referential Query
von: Wang, Yabing, et al.
Veröffentlicht: (2024)

RSRNav: Reasoning Spatial Relationship for Image-Goal Navigation
von: Qin, Zheng, et al.
Veröffentlicht: (2025)

X-Portrait: Expressive Portrait Animation with Hierarchical Motion Attention
von: Xie, You, et al.
Veröffentlicht: (2024)

Implicit Preference Alignment for Human Image Animation
von: Wang, Yuanzhi, et al.
Veröffentlicht: (2026)

Recurrent Aligned Network for Generalized Pedestrian Trajectory Prediction
von: Dong, Yonghao, et al.
Veröffentlicht: (2024)

X-UniMotion: Animating Human Images with Expressive, Unified and Identity-Agnostic Motion Latents
von: Song, Guoxian, et al.
Veröffentlicht: (2025)

EmotiveTalk: Expressive Talking Head Generation through Audio Information Decoupling and Emotional Video Diffusion
von: Wang, Haotian, et al.
Veröffentlicht: (2024)

Enabling Versatile Controls for Video Diffusion Models
von: Zhang, Xu, et al.
Veröffentlicht: (2025)

InterActHuman: Multi-Concept Human Animation with Layout-Aligned Audio Conditions
von: Wang, Zhenzhi, et al.
Veröffentlicht: (2025)

Ditto: Motion-Space Diffusion for Controllable Realtime Talking Head Synthesis
von: Li, Tianqi, et al.
Veröffentlicht: (2024)

EvAnimate: Event-conditioned Image-to-Video Generation for Human Animation
von: Qu, Qiang, et al.
Veröffentlicht: (2025)

DynaRend: Learning 3D Dynamics via Masked Future Rendering for Robotic Manipulation
von: Tian, Jingyi, et al.
Veröffentlicht: (2025)

LokiTalk: Learning Fine-Grained and Generalizable Correspondences to Enhance NeRF-based Talking Head Synthesis
von: Li, Tianqi, et al.
Veröffentlicht: (2024)

EverAnimate: Minute-Scale Human Animation via Latent Flow Restoration
von: Li, Wuyang, et al.
Veröffentlicht: (2026)

PR-DETR: Injecting Position and Relation Prior for Dense Video Captioning
von: Li, Yizhe, et al.
Veröffentlicht: (2025)

MOFA-Video: Controllable Image Animation via Generative Motion Field Adaptions in Frozen Image-to-Video Diffusion Model
von: Niu, Muyao, et al.
Veröffentlicht: (2024)

Understand, Think, and Answer: Advancing Visual Reasoning with Large Multimodal Models
von: Zhan, Yufei, et al.
Veröffentlicht: (2025)

ExGes: Expressive Human Motion Retrieval and Modulation for Audio-Driven Gesture Synthesis
von: Zhou, Xukun, et al.
Veröffentlicht: (2025)

Embedded Representation Learning Network for Animating Styled Video Portrait
von: Wang, Tianyong, et al.
Veröffentlicht: (2024)

StableAnimator: High-Quality Identity-Preserving Human Image Animation
von: Tu, Shuyuan, et al.
Veröffentlicht: (2024)

Animate-X: Universal Character Image Animation with Enhanced Motion Representation
von: Tan, Shuai, et al.
Veröffentlicht: (2024)

Griffon v2: Advancing Multimodal Perception with High-Resolution Scaling and Visual-Language Co-Referring
von: Zhan, Yufei, et al.
Veröffentlicht: (2024)

GeM-VG: Towards Generalized Multi-image Visual Grounding with Multimodal Large Language Models
von: Zheng, Shurong, et al.
Veröffentlicht: (2026)

KeyFace: Expressive Audio-Driven Facial Animation for Long Sequences via KeyFrame Interpolation
von: Bigata, Antoni, et al.
Veröffentlicht: (2025)

XHand: Real-time Expressive Hand Avatar
von: Gan, Qijun, et al.
Veröffentlicht: (2024)

StableAnimator++: Overcoming Pose Misalignment and Face Distortion for Human Image Animation
von: Tu, Shuyuan, et al.
Veröffentlicht: (2025)

First Multi-Dimensional Evaluation of Flowchart Comprehension for Multimodal Large Language Models
von: Zhang, Enming, et al.
Veröffentlicht: (2024)

Multi-identity Human Image Animation with Structural Video Diffusion
von: Wang, Zhenzhi, et al.
Veröffentlicht: (2025)

ProbTalk3D: Non-Deterministic Emotion Controllable Speech-Driven 3D Facial Animation Synthesis Using VQ-VAE
von: Wu, Sichun, et al.
Veröffentlicht: (2024)

HAVIR: HierArchical Vision to Image Reconstruction using CLIP-Guided Versatile Diffusion
von: Zhang, Shiyi, et al.
Veröffentlicht: (2025)

AniTalker: Animate Vivid and Diverse Talking Faces through Identity-Decoupled Facial Motion Encoding
von: Liu, Tao, et al.
Veröffentlicht: (2024)