本论文主要作者来自小红书 AIGC 团队（Dynamic-X-Lab），Dynamic‑X‑LAB 是一个专注于 AIGC 领域的 研究团队，致力于推动姿态驱动的人像生成与视频动画技术。他们以高质量、高可控性的生成模型为核 心，围绕文生图（t2i）、图像生成（i2i）、图像转视频（i2v）和风格迁移加速等方向展开研究，并通过完 整的开源方案分享给开发者与研究者社区。 近年来，扩散模型在图像与视频合成领域展现出前所未有的生成能力，为人脸生成与编辑技术按下了加 速键。特别是一张静态人脸驱动任意表情、姿态乃至光照的梦想，正在走向大众工具箱，并在三大场景 展现巨大潜力： 人脸视频生成的核心难题在于，如何在根据参考图像和外部动作序列，严谨地保持源参考人脸身份特征 不被损伤的同时，还要维持目标人脸动作的一致性。现有方法在追求真实动态表现时，通常会遭遇以下 三大挑战： 小红书提出 DynamicFace，让视频人脸交换迈入「电影级」工业流水线！ 方法介绍 论文标题：DynamicFace: High-Quality and Consistent Face Swapping for Image and Video using ...