MIMO：适用于各种需要复杂动作和交互场景的AI视频合成模型。

MIMO 是一个强大的可控角色视频合成模型，能够基于用户输入合成具有复杂动作和物体交互的角色视频。

通过将 2D 视频解码为紧凑的空间编码，MIMO 提供对任意角色、复杂动作和交互场景的高效控制能力。

这个模型的创新性设计，让用户能够创造出具有 3D-aware 的角色动画视频，在角色、场景和动作之间实现出色的交互。

亮点功能

• 🎥 多输入支持：MIMO 支持多种输入形式，包括单张图像（角色）、动作序列、视频/图像（场景）等，甚至可以使用驱动视频作为输入，极大地增强了模型的灵活性。

• 🧩 空间分解策略：模型采用了空间分解策略，将视频片段分为主角色、场景背景和浮动遮挡物三部分，并基于 3D 深度信息进行编码。这些空间编码成为视频合成的重要控制信号。

• 🔄 高度可控性：MIMO 允许用户灵活控制角色、动作和场景，支持 3D-aware 的合成效果，尤其擅长生成包含复杂动作和交互场景的高质量动画化角色视频。

• 💡 出色的实验效果：实验表明，MIMO 在任意角色控制、复杂动作合成和场景交互方面都优于现有的 2D 和 3D 方法，带来了令人印象深刻的合成效果。

效果展示<