ANT：自适应神经时间感知文本至运动生成模型
计算机视觉与模式识别
2025-08-26 v2
摘要
尽管扩散模型推动了文本至运动生成，但其静态语义条件忽略了时频需求：早期去噪需要结构语义以构建运动基础，而后期阶段需要局部细节以实现文本对齐。这种不匹配类似于生物形态发生，其中发育阶段需要不同的遗传程序。受调控形态特化的表观遗传调控启发，我们提出了 **(ANT)**，一种**自适应神经时间感知**架构。ANT 通过以下方式编排语义粒度：**(i) 语义时间自适应模块：** 通过频谱分析自动将去噪划分为低频结构规划和高频细化。**(ii) 动态无分类器引导调度：** 自适应调整条件与无条件比例，在保持保真度的同时提高效率。大量实验表明，ANT 可应用于各种基线，显著提升模型性能，并在 StableMoFusion 上实现了最先进的语义对齐。
引用
@article{arxiv.2506.02452,
title = {ANT: Adaptive Neural Temporal-Aware Text-to-Motion Model},
author = {Wenshuo Chen and Kuimou Yu and Haozhe Jia and Kaishen Yuan and Zexu Huang and Bowen Tian and Songning Lai and Hongru Xiao and Erhang Zhang and Lei Wang and Yutao Yue},
journal= {arXiv preprint arXiv:2506.02452},
year = {2025}
}