본 논문은 단일 참조 이미지로부터 전신 움직임을 합성하는 다용도 인간 애니메이션 방법인 VersaAnimator를 제안합니다. 기존 방법들이 오디오 입력에 맞춰 사전 지정된 머리 또는 상반신 움직임만 생성하는 것과 달리, VersaAnimator는 오디오 신호뿐만 아니라 텍스트 프롬프트로도 유연하게 제어 가능한 전신 움직임을 생성합니다. 텍스트 제어 오디오 구동 모션 생성기를 설계하여 오디오 입력과 동기화된 3D 전신 모션 표현을 생성하고, 자연스러운 움직임을 위해 VAE 코드북과 템플릿 비디오에서 추출한 2D DWpose를 연결하는 코드-포즈 변환 모듈을 제안합니다. 또한, 오디오 입력과 전신 모션 표현에 따라 사실적인 인간 애니메이션을 생성하는 다중 모드 비디오 확산 모델을 도입합니다. 실험 결과, VersaAnimator는 기존 방법보다 시각적 품질, 정체성 보존 및 오디오-입술 동기화 측면에서 우수한 성능을 보입니다.
