📄 论文总结
可泛化运动生成的探索:数据、模型与评估 / The Quest for Generalizable Motion Generation: Data, Model, and Evaluation
1️⃣ 一句话总结
该论文通过借鉴视频生成领域的知识,构建了一个包含大规模数据集、统一生成模型和分层评估基准的完整框架,显著提升了3D人体运动生成模型的泛化能力和生成质量。
请先 登录 后再提交论文
可泛化运动生成的探索:数据、模型与评估 / The Quest for Generalizable Motion Generation: Data, Model, and Evaluation
该论文通过借鉴视频生成领域的知识,构建了一个包含大规模数据集、统一生成模型和分层评估基准的完整框架,显著提升了3D人体运动生成模型的泛化能力和生成质量。
Ponimator:基于交互姿态展开的通用人-人交互动画生成框架 / Ponimator: Unfolding Interactive Pose for Versatile Human-human Interaction Animation
这篇论文提出了一个名为Ponimator的创新框架,它利用近距离人-人交互姿态作为核心线索,通过两个扩散模型分别生成动态交互动作和合成交互姿态,从而实现了从图像、文本或单姿态输入生成多样化人-人交互动画的能力。
MotionFlux:基于整流流匹配和偏好对齐的高效文本引导运动生成 / MotionFlux: Efficient Text-Guided Motion Generation through Rectified Flow Matching and Preference Alignment
这篇论文提出了一个结合TAPO偏好优化和MotionFlux高效生成框架的系统,能够根据文字描述快速生成语义准确、质量高的虚拟角色动作,解决了传统方法速度慢和语义对齐差的问题。
全能人类-1.5:通过认知模拟为虚拟化身注入主动思维 / OmniHuman-1.5: Instilling an Active Mind in Avatars via Cognitive Simulation
这项研究提出了一个创新框架,能够生成不仅动作自然流畅,还能深刻理解情感、意图和场景语义的虚拟人动画,解决了现有模型仅能同步音频节奏而缺乏深层语义表达的局限性。