Avatar V는 영상 참조를 통해 아바타 비디오 생성의 새로운 프레임워크를 제시했어요. 기존 방식의 한계를 극복하기 위해, 모델은 참조 영상의 전체 토큰 시퀀스에 직접 의존하여 정적 정체성과 동적 행동 패턴을 학습해요.
Sparse Reference Attention, 모션 표현 스트림, 정체성 인식 초해상도 리파이너 등 핵심 기술을 도입하여 100만 개 이상의 클립으로 구성된 대규모 데이터셋으로 학습했어요.
Seedance 2.0, Kling O3 Pro, Veo 3.1, OmniHuman 1.5 등 기존 시스템보다 뛰어난 정체성 보존, 입술 동기화, 생성 품질을 보여줘요.
Avatar V는 무제한 길이의 1080p 비디오를 생성하며, 인간 평가에서도 우수한 성능을 입증했어요.