MimicMotion est un modèle de génération de vidéos de mouvements humains de haute qualité, développé conjointement par Tencent et l’Université Jiao Tong de Shanghai. Ce modèle, grâce à une orientation des poses basée sur la confiance, permet de contrôler le processus de génération vidéo, améliorant ainsi la fluidité temporelle et réduisant les distorsions d'image. Il utilise un modèle de diffusion avancé image-vers-vidéo, combinant un U-Net spatio-temporel et PoseNet, permettant de générer des vidéos de haute qualité de longueur arbitraire à partir d'une séquence de poses. MimicMotion surpasse de manière significative les méthodes précédentes sur plusieurs aspects, notamment la qualité de génération des mains et la précision du suivi des poses de référence.