信息卡

一句话定位

Ant Research（蚂蚁）发布的数字人 4D 生成模型："Create Anyone in 4D from a Casual Monocular Video"——把一段随手拍的单人视频转成多视角视频，再交由下游 4D Gaussian Splatting 重建出可自由转视角的动态人体。

为什么上热度榜

论文 arXiv:2608.20335 上线一周即收获 76 个点赞并登上热榜 Model 榜第 42 名；配套权重全量开源并挂出 3 个在线 Demo Space。"casual monocular（普通单机位拍摄）"的输入设定砍掉了棚拍相机阵列的专业门槛，把动态数字人制作的成本下探到手机视频级别，正好踩中虚拟人内容生产的爆发期需求。

规格与技术亮点

• 生成主干基于 Wan2.x 系视频扩散：仓库内置 Wan2.2 VAE 与 umT5-XXL 文本编码器/tokenizer，主权重为 model.safetensors（参数量未公布）。
• 人体先验：SMPLX→Goliath70 拓扑映射文件（smplx_to_goliath70.pt），保证网格语义一致性。
• 预处理链全家桶：GVHMR 人体网格恢复 + ViTPose-H 姿态估计 + YOLOv8x 人物检测 + VGG-19 感知损失权重。
• 输出为多视角视频序列，对接任意 4DGS 重建器；附 8 段 121 帧 pexels 示例输入便于快速验证。

使用方式与代码示例

模型卡未附推理脚本，标准路径是克隆代码仓库后按 README 摆放权重：

git clone https://github.com/ant-research/4DAnyone
# 将 HF 权重放入 assets 对应目录 → 输入 mp4 → 产出 multiview 视频 → 4DGS 训练

不想配环境可直接体验 hugging-apps/4danyone-multiview-demo 等 Space，上传短视频即时查看多视角结果。

部署建议（本地/云端/量化选择）

视频扩散生成环节建议 24GB 以上显存（A100/4090 级最佳）；GVHMR、ViTPose 等预处理模块对显存要求低，可与生成段解耦在 CPU/轻 GPU 上排队执行；注意到未被 Inference Provider 托管，公网调用需自行封装 API。商用前务必逐项核对 licenses/ 目录中各底层资产（Wan、umT5 等）的分项条款。

典型应用场景

• 影视预演与虚拟制片的人物参考镜头；
• 主播/创作者的个人虚拟分身资产制作；
• 体育教学中的动作多角度复盘；
• AR/VR 场景的动态人物素材快速生产。

同类对比

对比 Cat4D、ReconFusion 等通用场景 4D 方法：以 SMPLX 人体先验换取人物形态稳定性，专精赛道不贪广度；对比 DNA-rendering 类需相机阵列的摄影棚方案：输入从专业设备降为普通手机视频，成本跨代差但保真上限亦相应让步。

资源导航

项目页：4danyone.github.io｜论文：arXiv:2608.20335（Jin et al., 2026）｜代码：github.com/ant-research/4DAnyone｜在线演示：3 个 Demo Spaces。