Make-Your-Anchor est un framework de génération d'avatars 2D basé sur un modèle de diffusion. À partir d'une vidéo source d'environ une minute, il génère automatiquement des vidéos de style présentateur avec des mouvements précis du haut du corps et des mains. Le système utilise un modèle de diffusion guidé par la structure pour restituer l'apparence du personnage à partir d'un maillage 3D. Une stratégie d'entraînement en deux phases lie efficacement le mouvement à une apparence spécifique. Pour générer des vidéos temporelles de longueur arbitraire, le modèle de diffusion frame-wise 2D U-Net est étendu à une forme 3D, et un module de débruitage temporel par lots chevauchants simple et efficace est proposé pour surmonter les limitations de longueur de vidéo lors de l'inférence. Enfin, un module d'amélioration faciale basé sur une identité spécifique est introduit pour améliorer la qualité visuelle de la zone faciale des vidéos de sortie. Les expériences montrent que ce système surpasse les techniques existantes en termes de qualité visuelle, de cohérence temporelle et de fidélité d'identité.