HumanVid是一款由香港中文大學與上海人工智能實驗室聯合研發的高質量數據集，專為人類圖像動畫訓練而設計。該數據集結合了真實世界的視頻與合成數據，經過精心的規則篩選和高質量注釋，力求提升視頻生成的控制性與穩定性。通過基線模型CamAnimate的驗證，HumanVid在控制人物姿勢與攝像機方面取得了顯著進展，計劃于2024年9月底公開代碼與數據集。

HumanVid是什么

HumanVid是一個旨在推動人類圖像動畫研究的高質量數據集，由香港中文大學和上海人工智能實驗室共同開發。該數據集通過整合現實世界的視頻和合成數據，采用嚴格的篩選標準確保視頻質量，并運用2D姿勢估計和SLAM技術進行詳細注釋。HumanVid旨在提升視頻生成的可控性與穩定性，并通過基線模型CamAnimate證明其在姿勢控制與攝像機方面的有效性。該項目預計在2024年9月底發布相應的代碼和數據集。

HumanVid的主要功能

• 高質量數據集成：融合現實世界與合成數據，確保數據集的多樣性與豐富性。
• 版權無憂：所有視頻與3D角色資產均為無版權素材，方便研究與應用。
• 嚴格篩選機制：通過規則篩選確保數據集內視頻的高標準。
• 精準注釋技術：應用2D姿勢估計和SLAM技術，對視頻中的人體和攝像機進行精確標注。

HumanVid的技術原理

• 數據集構建：HumanVid通過從互聯網上收集大量無版權的真實視頻，并結合合成數據，旨在構建一個高質量的數據集。所有視頻經過嚴格的篩選流程，確保數據的高標準。
• 注釋方法：運用2D姿勢估計技術對視頻中的人體動作進行標注，同時采用SLAM（同時定位與建圖）技術注釋攝像機的移動軌跡。
• 合成數據生成：為了豐富數據集，HumanVid收集了無版權的3D角色資產，并引入基于規則的攝像機軌跡生成方法，以模擬多樣化的攝像機。
• 模型訓練：HumanVid建立了一個基線模型CamAnimate，考慮了人體及攝像機的作為條件，經過在HumanVid數據集上的訓練，能夠生成可控的人物姿勢與攝像機的視頻。

HumanVid的項目地址

• GitHub倉庫：https://github.com/zhenzhiwang/HumanVid
• arXiv技術論文：https://arxiv.org/pdf/2407.17438

HumanVid的應用場景

• 視頻制作：為電影、電視及其他視頻內容創作提供高質量的動畫生成，支持導演與制片人通過控制人物姿態與鏡頭，打造更生動的場景。
• 游戲開發：在電子游戲中，HumanVid能夠生成真實感極強的NPC（非玩家角色）動畫，增強游戲的沉浸感與互動性。
• 虛擬現實與增強現實：在VR和AR應用中，HumanVid可生成與用戶互動的虛擬角色，提供更加自然流暢的體驗。
• 教育與培訓：HumanVid能夠制作教學視頻，模擬人物動作與場景，幫助學生更好地理解復雜概念。

常見問題

• HumanVid的數據集如何獲取？：HumanVid計劃于2024年9月底公開代碼及數據集，屆時可在其GitHub頁面找到相關信息。
• HumanVid支持哪些平臺？：HumanVid的數據集可在多種平臺上使用，主要面向研究人員和開發者。
• 如何參與HumanVid項目？：您可以通過訪問其GitHub頁面，關注項目進展并參與討論。