面向提升文本到运动物理合理性的自监督运动标定方法
计算机视觉与模式识别
2026-02-23 v1
摘要
从文本描述生成语义对齐的人类运动取得了快速进展，但在确保运动的语义和物理现实性方面仍面临挑战。本文引入了失真感知运动标定器（Distortion-aware Motion Calibrator, DMC），作为后处理模块来细化物理上不合理的运动（如脚部漂浮），同时保持与原始文本描述的语义一致性。我们提出一种基于自监督的数据驱动方法，DMC 在给定有意失真的运动和原始文本描述作为输入时，学习获得物理上合理的运动。我们将 DMC 作为后处理模块用于改进各种文本到运动生成模型获得的运动，并展示了其在提升物理合理性的同时增强语义一致性方面的有效性。实验结果表明，DMC 在 T2M 数据集上将 FID 分数降低 42.74%，在 T2M-GPT 数据集上降低 13.20%，同时实现最高的 R-Precision。当应用于像 MoMask 这样的高质量模型时，DMC 通过减少穿透 33.0%，将漂浮误差调整接近ground-truth参考值。这些结果表明，DMC 可作为一种前景明确的后处理运动细化框架，适用于任何类型的文本到运动模型，同时融合了文本语义和物理合理性。
引用
@article{arxiv.2602.18199,
title = {A Self-Supervised Approach on Motion Calibration for Enhancing Physical Plausibility in Text-to-Motion},
author = {Gahyeon Shim and Soogeun Park and Hyemin Ahn},
journal= {arXiv preprint arXiv:2602.18199},
year = {2026}
}