模型
AnimateDiff
一种基于扩散模型的图像动画生成方法，用于可控图像动画任务，支持肖像驱动、风景动态化等场景
核心事实
时间轴 (近 90 天)
9月28日
AnimateDiff和SVD的根本设计目标是生成而非精确编辑，不原生支持锁定背景仅替换前景人物的受控编辑，需结合ControlNet、深度图或光流约束等额外条件注入才能提升可控性
待验证50%
9月10日
AnimateDiff由上海AI实验室于2023年提出,通过在Stable Diffusion的UNet架构中插入可训练的时间注意力层并冻结原始空间层权重来实现运动建模
待验证50%
8月27日
截至2025年，ComfyUI的自定义节点（Custom Nodes）生态已超过数千个插件，涵盖ControlNet、IP-Adapter、AnimateDiff等主流技术
待验证50%
全部知识事实 (6)
已验证
每生成一段10秒的高质量AI视频，所消耗的GPU计算资源可能是生成一张图片的数十倍
70%已验证AnimateDiff是一种将运动模块注入到图像生成模型中的技术，使Stable Diffusion模型具备生成连续动画帧的能力
65%待验证AnimateDiff（2023）通过在预训练图像扩散模型中插入时序注意力模块实现可控动画
60%待验证AnimateDiff和SVD的根本设计目标是生成而非精确编辑，不原生支持锁定背景仅替换前景人物的受控编辑，需结合ControlNet、深度图或光流约束等额外条件注入才能提升可控性
50%待验证AnimateDiff由上海AI实验室于2023年提出,通过在Stable Diffusion的UNet架构中插入可训练的时间注意力层并冻结原始空间层权重来实现运动建模
50%待验证截至2025年，ComfyUI的自定义节点（Custom Nodes）生态已超过数千个插件，涵盖ControlNet、IP-Adapter、AnimateDiff等主流技术
50%