Kirin：从野外视频生成动物动作

研究团队提出 Kirin 框架，可从野外动物视频重建 3D 动作、大规模学习动作先验并生成可直接用于动画资产的真实动作。团队基于大量野外视频构建了 AiM3D，这是首个面向四足动物、提供对齐视频-文本-动作三元组的大规模数据集。其视觉引导动作生成模型以文本和图像为条件，结合现成图像到 3D 模型自动绑定并驱动 3D 网格，生成可直接渲染的动画动物。