什么是 Human Motion Transfer？
Human Motion Transfer 是将 其他视频的全身动作转移 到一张人物图像（或角色图像）上的技术。
我想很多用法是借用舞蹈视频或走路视频的“动作”，让自己的角色来表演。
与 talking head 主要以“脸〜上半身”为对象、细致地匹配表情和嘴部动作相对，Human Motion Transfer 主要处理 全身的姿势。
Animate Anyone 之后的潮流
虽然像 BDMM 等，以前就存在转移动作的研究，但在图像生成 AI 社区中并没有广泛传播，让这个任务广为人知的应该是 Animate Anyone。
以一张人物图像和另一个人物的舞蹈视频等作为输入，生成“该角色做同样动作的全身视频”为概念，流传了许多演示视频。
但是 Animate Anyone 本身没有开源，所以作为实际能接触到的模型，出现了以 Stable Video Diffusion 为基础试图重现的 MimicMotion 等模型。
DiT 世代和 Wan-Animate
随着基于 DiT 的视频生成模型的登场，Human Motion Transfer 也在顺理成章地进化。
Wan2.1 VACE
Wan2.1 中有一种被称为 VACE 的机制。
VACE 是在视频生成中可以汇总处理 ControlNet、reference2video、inpainting 的框架。
通过组合 ControlNet Pose 和 reference2video 式的操作，可以做到接近 Human Motion Transfer 的事情。
与其说是专用的 Human Motion Transfer 模型，不如说是作为“以 Wan2.1 为基础，使用姿势和参考视频控制动作的平台”来使用。
Wan-Animate
更专注于动作转移的模型是 Wan-Animate。
Wan-Animate
输入角色图像和带有动作的驱动视频，可以转移全身的动作。
不仅是全身的姿势，还可以使用“面部特写视频”作为驱动，因此特征是 可以覆盖 talking head 式的用法和 Human Motion Transfer 式的用法两者。