绝对坐标使运动生成变得简单

最先进的文本到运动生成模型依赖于由 HumanML3D 推广的感知运动学、局部相对运动表示，该表示相对于骨盆和前一帧编码运动，并具有内置冗余。虽然这种设计简化了早期生成模型的训练，但它给扩散模型带来了关键限制，并阻碍了其在下游任务中的应用。在这项工作中，我们重新审视运动表示，并为文本到运动生成提出了一种极度简化且被长期放弃的替代方案：全局空间中的绝对关节坐标。通过对设计选择的系统分析，我们表明，即使使用简单的 Transformer 主干且没有辅助的感知运动学损失，该公式也能实现显著更高的运动保真度、改善的文本对齐以及强大的可扩展性。此外，我们的公式自然支持下游任务，如文本驱动的运动控制和时间/空间编辑，而无需额外的特定任务重构和来自控制信号的昂贵分类器引导生成。最后，我们展示了直接从文本生成运动中的 SMPL-H 网格顶点的良好泛化能力，为未来研究和运动相关应用奠定了坚实基础。