PAGE：语音驱动人像视频生成框架

Yabiao Wang 等作者提出 PAGE（Parts-Aware GuidancE），一个与骨干网络无关的扩散模型优化框架，用于协同语音手势人像视频生成。据其论文，该框架在训练目标与去噪轨迹两个层面提升局部空间保真度和全局音画一致性。 作者同时提出 CAS 数据集。论文未在摘要中给出与其他方法的定量对比结果。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。