将人类运动生成与人类感知对齐

人类运动生成是一个具有广泛应用场景的关键任务。实现生成运动的高保真度需要自然、平滑且符合逻辑。尽管该领域取得了快速进展，当前的方法在实现这些目标方面仍有不足。此外，现有的评估指标通常依赖于基于真实值的误差、简单启发式方法或分布距离，这些方法与人类对运动质量的感知对齐不够。本文提出了一种数据驱动的方法，通过引入大规模人类感知评估数据集MotionPercept和能够捕捉人类感知偏好的人类运动批评模型MotionCritic来弥合这一差距。我们的批评模型为评估运动质量提供了更准确的指标，并且可以轻松集成到运动生成管道中以提升生成质量。大量实验表明，我们的方法在评估和提升生成人类运动质量方面有效，能够与人类感知对齐。代码和数据已公开于 https://motioncritic.github.io/。