GitHub 热门项目：MIMO

GitHub 项目：MIMO 仓库地址：https://github.com/menyifang/MIMO 星级：1578 | 作者：门一芳 项目描述：“MIMO：空间分解建模的可控字符视频合成”正式实现 =================================================== 自述文件内容： # MIMO - 官方 PyTorch 实现 ### [项目页面](https://menyifang.github.io/projects/MIMO/index.html) | [论文](https://arxiv.org/abs/2409.16160) | [视频](https://www.youtube.com/watch?v=skw9lPKFfcE) | [在线演示](https://modelscope.cn/studios/iic/MIMO) > **MIMO：具有空间分解建模的可控字符视频合成**
> [门一芳](https://menyifang.github.io/)、[姚远](mailto:yaoy92@gmail.com)、[崔苗苗](mailto:miaomiiao.cmm@alibaba-inc.com)、[薄烈峰](https://scholar.google.com/itations?user=FJwtMf0AAAAJ&hl=en)
> 阿里巴巴集团智能计算研究院（统易实验室） > 在：CVPR 2025 MIMO是一种可推广的可控视频合成模型，它不仅可以通过非常简单的用户输入来合成具有可控属性（即角色、动作和场景）的真实角色视频，而且还可以在统一的框架中同时实现对任意角色的高级可扩展性、新颖的3D动作的通用性以及对交互式现实世界场景的适用性。 ## 演示 使用运动数据集中的驾驶 3D 姿势对角色图像进行动画处理 https://github.com/user-attachments/assets/3a13456f-9ee5-437c-aba4-30d8c3b6e251 由具有空间 3D 运动和交互式场景的野外视频驱动 https://github.com/user-attachments/assets/4d989e7f-a623-4339-b3d1-1d1a33ad25f2 更多结果可以在[项目页面](https://menyifang.github.io/projects/MIMO/index.html)中找到。 ## 📢 新闻 (2025-06-11) 代码发布！我们发布了完整实现的简化版本，但它可以实现类似的性能。 (2025-02-27) 论文被CVPR 2025接收！论文的完整版本可在 [arXiv](https://arxiv.org/abs/2409.16160) 上找到。 (2024-01-07) 支持自定义驾驶视频的在线演示（v1.5）现已推出！尝试 [](https://modelscope.cn/studios/iic/MIMO)。 (2024-11-26) ModelScope 现已提供在线演示 (v1.0)！尝试 [](https://modelscope.cn/studios/iic/MIMO)。支持自定义驾驶视频的1.5版本即将推出。 (2024-09-25) 项目页面、演示视频和技术报告发布。包含更多详细信息的完整纸质版本正在制作中。 ## 要求 * 蟒蛇 (>=3.10) * 火炬 * 张量流 * CUDA 12.1 * GPU（在A100、L20上测试） ## 🚀 开始使用 ````bash git 克隆 https://github.com/menyifang/MIMO.git 多输入多输出 ```` ### 安装 ````bash conda 创建-n mimo python=3.10 conda 激活 mimo bash安装.sh ```` ### 下载 #### 模型重量 您可以从[ModelScope](https://modelscope.cn/models/iic/MIMO/files)或[Huggingface](https://huggingface.co/menyifang/MIMO/tree/main)手动下载模型权重，也可以使用以下命令自动下载。 从 HuggingFace 下载 ````蟒蛇 从 Huggingface_hub 导入 snapshot_downlo