**Joints, Camera, Action!：首个支持任意骨骼的 3D 动作与视频联合生成模型**

_Joints, Camera, Action! Co-Generating 3D Motion and Video for Arbitrary Rigs_

> 该研究提出了一种新型模型，能够直接为任意骨骼结构（非仅人类）联合生成 3D 动作与视频，并自动定位相机以将动作注册到 3D 场景中。通过分离动作与视频模型并利用交叉注意力连接，该方法不仅支持从文本生成多样化角色的动画，还能实现视频转动作、动作转视频及关键帧控制，显著提升了 3D 资产动画的保真度与场景交互性。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-21 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.28632)