Z.ai：SCAIL-2 统一端到端角色动画框架 终结AI视频肢体融合

本文介绍了由清华大学和 Z.ai 共同开发的 SCAIL-2 框架，这是一种旨在统一各类角色动画任务的端到端模型。该研究通过绕过传统的姿态骨架等中间表示，有效解决了复杂交互场景下信息丢失和动作模糊的问题。为了支持这一范式，作者构建了 MotionPair-60K 异构数据集，并引入了情境掩码调节与特定模式偏移 RoPE 技术，实现了动画生成与角色替换任务的无缝整合。此外，项目通过偏差感知 DPO 后训练机制，显著提升了模型对手指等精细动作的捕捉精度。实验结果表明，SCAIL-2 在处理非人类驱动源及多角色互动方面表现优异，性能大幅超越了现有的先进方法。该研究不仅提升了动画的物理合理性，还为电影制作与娱乐产业提供了更具通用性的生成方案。