X-Dance 图像驱动舞蹈动作数据集 - Image-to-Video Animation 测试数据

一、数据集核心信息

数据来源：由南京大学联合腾讯、上海人工智能实验室于 2025 年发布，配套论文「SteadyDancer: Harmonized and Coherent Human Image Animation with First-Frame Preservation」，数据权威性与学术认可度高。

覆盖范围：包含 12 段驱动视频（8 段高动态舞蹈动作 + 4 段低幅度日常行为），覆盖运动模糊、遮挡、姿态剧变等非理想真实场景；配套多源参考图像（动漫角色、半身照、跨性别 / 跨风格人物、差异姿态图像），模拟空间结构不一致与时间起始不连续问题。

核心目标：聚焦图像驱动人体动画生成（Image-to-Video Animation），用于评估模型身份保持、时序连贯性与时空不对齐应对能力，适配真实场景算法测试需求。

二、适用场景与可用途径

学术研究：支撑计算机视觉、人体动画生成、视频合成等方向论文撰写，为模型鲁棒性与泛化能力实证研究提供专项测试数据。

技术开发：适配 Image-to-Video 算法优化、舞蹈动作生成模型训练与性能测试，助力解决真实场景中非理想条件下的动画生成痛点。

行业应用：助力影视动画制作、虚拟人舞蹈开发、短视频创意工具研发等领域，为技术落地提供高质量场景化测试数据支撑。