Avatar V นำเสนอการเปลี่ยนแปลงครั้งสำคัญในวิธีที่โมเดลสร้างอวตารจัดการกับเอกลักษณ์ของบุคคล แทนที่ระบบเดิมที่อ้างอิงจากเฟรมเดียว Avatar V ทำงานบนคอนเท็กซ์วิดีโอทั้งช่วง ทำให้โมเดลโฟกัสเลือกเฉพาะช่วงเวลาที่ให้ข้อมูลมากที่สุดในวิดีโอบันทึกของคุณได้

กลไกการให้ความสนใจแบบเลือกสรรจะดึงสัญญาณอัตลักษณ์ที่สำคัญออกมาจากหลายเฟรม รวมถึงรูปทรงริมฝีปาก โครงร่างใบหน้า และรูปแบบการเปลี่ยนแปลงของสีหน้า พร้อมลดทอนเฟรมที่ท่าทาง แสง หรือการบดบังทำให้คุณภาพสัญญาณลดลงโดยอัตโนมัติ ผลลัพธ์คือการฝังตัวตนที่มีความสมบูรณ์และยึดโยงกับมิติเวลามากขึ้น ซึ่งคงอยู่ตลอดบริบทการสร้างวิดีโอทั้งหมด

การรวมข้อมูลข้ามเฟรมแบบเจาะจงนี้ช่วยแก้ปัญหา identity drift หรือการที่ตัวตนในผลลัพธ์ค่อยๆ เบี่ยงเบนไปจากตัวตนอ้างอิง ซึ่งเป็นข้อจำกัดด้านความคงเส้นคงวาของคาแร็กเตอร์ในระบบที่อ้างอิงจากเฟรมเดียว Avatar V รักษาการแทนตัวตนให้เสถียรสม่ำเสมอได้ข้ามฉาก มุมกล้อง และวิดีโอความยาวมาก โดยไม่ต้องปรับจูนเพิ่มเติมหรือใส่ข้อมูลอ้างอิงเพิ่ม