DisPose est une méthode permettant de contrôler l'animation d'images humaines. Elle améliore la qualité de la génération vidéo grâce à la guidance par champ de mouvement et à la correspondance de points clés. Cette technologie permet de générer des vidéos à partir d'une image de référence et d'une vidéo motrice, tout en maintenant l'alignement du mouvement et la cohérence des informations d'identité. DisPose génère un champ de mouvement dense à partir d'un champ de mouvement clairsemé et d'une image de référence, offrant ainsi une guidance dense au niveau régional tout en conservant la capacité de généralisation du contrôle de pose clairsemé. De plus, elle extrait des caractéristiques de diffusion correspondantes aux points clés de pose à partir de l'image de référence et transfère ces caractéristiques ponctuelles à la pose cible afin de fournir des informations d'identité uniques. Les principaux avantages de DisPose incluent l'extraction de signaux de contrôle plus universels et efficaces sans entrée dense supplémentaire, et l'amélioration de la qualité et de la cohérence des vidéos générées grâce à ControlNet hybride plug-and-play, sans avoir à figer les paramètres du modèle existant.