元宇宙/虚拟人

⚠️ 以下所有内容总结都来自于 大语言模型的能力，如有错误，仅供参考，谨慎使用
🔴 请注意：千万不要用于严肃的学术场景，只能用于论文阅读前的初筛！
💗 如果您觉得我们的项目对您有帮助 ChatPaperFree ，还请您给我们一些鼓励！⭐️ HuggingFace免费体验

2025-08-14 更新

Preview WB-DH: Towards Whole Body Digital Human Bench for the Generation of Whole-body Talking Avatar Videos

Authors:Chaoyi Wang, Yifan Yang, Jun Pei, Lijie Xia, Jianpo Liu, Xiaobing Yuan, Xinhan Di

Creating realistic, fully animatable whole-body avatars from a single portrait is challenging due to limitations in capturing subtle expressions, body movements, and dynamic backgrounds. Current evaluation datasets and metrics fall short in addressing these complexities. To bridge this gap, we introduce the Whole-Body Benchmark Dataset (WB-DH), an open-source, multi-modal benchmark designed for evaluating whole-body animatable avatar generation. Key features include: (1) detailed multi-modal annotations for fine-grained guidance, (2) a versatile evaluation framework, and (3) public access to the dataset and tools at https://github.com/deepreasonings/WholeBodyBenchmark.

从单一肖像创建真实、可全动画化的全身化身面临挑战，因为捕捉微妙的表情、身体动作和动态背景存在局限性。当前的评估数据集和指标难以应对这些复杂性。为了弥补这一差距，我们引入了全身基准数据集（WB-DH），这是一个开源的、多模态的基准测试，用于评估全身可动画化身生成。其主要特点包括：（1）用于精细指导的详细多模态注释，（2）通用的评估框架，（3）可以通过https://github.com/deepreasonings/WholeBodyBenchmark访问数据集和工具。

论文及项目相关链接

PDF This paper has been accepted by ICCV 2025 Workshop MMFM4

Summary

本文介绍了创建真实、可全动画化的全身个性化虚拟角色的挑战，并推出了全新的Whole-Body Benchmark数据集（WB-DH）。该数据集解决了现有技术对于微妙表情、身体动作和动态背景捕捉的限制，包含详细的多模态注解、灵活的评估框架，并可公开访问数据集及工具。

Key Takeaways

1. 创建真实、可动画的全身个性化虚拟角色存在挑战，主要包括捕捉微妙表情、身体动作和动态背景的限制。
2. 现有评价数据集和指标无法充分应对这些复杂性。
3. 推出了Whole-Body Benchmark数据集（WB-DH），这是一个开源、多模式基准测试，用于评估全身可动画虚拟角色的生成。
4. WB-DH的关键功能包括详细的多模式注解，用于精细指导，以及灵活的评估框架。
5. 数据集和工具可通过https://github.com/deepreasonings/WholeBodyBenchmark公开访问。
6. WB-DH数据集有助于解决创建高质量虚拟角色的技术难题，推动虚拟世界的应用和发展。

Cool Papers

点此查看论文截图