AStF：基于自适应统计融合器的运动风格迁移
计算机视觉与模式识别
2025-11-07 v1 人工智能
摘要
人类运动风格迁移允许角色呈现出特定风格的非刚性和更真实感。传统的任意图像风格迁移通常处理均值和方差，这已被证明有效。与此同时，类似的方法已被适用于运动风格迁移。然而，由于图像与运动之间的根本差异，仅依赖均值和方差不足以完全捕捉运动数据的复杂动态模式和时空一致性特征。基于此，我们的关键洞察是将偏度和峰度这两个更多系数引入运动风格分析。具体而言，我们提出了一种新型自适应统计融合器(AStF)，其由风格解缔模块(SDM)和高阶多统计注意力(HOS-Attn)组成。我们将AStF与Motion Consistency Regularization(MCR)判别器一起进行训练。实验结果表明，由于提供了更全面地建模动态风格中固有时空统计模式，本文提出的AStF在运动风格迁移方面优于现有方法。我们的代码和模型可在https://github.com/CHMimilanlan/AStF获取。
引用
@article{arxiv.2511.04192,
title = {AStF: Motion Style Transfer via Adaptive Statistics Fusor},
author = {Hanmo Chen and Chenghao Xu and Jiexi Yan and Cheng Deng},
journal= {arXiv preprint arXiv:2511.04192},
year = {2025}
}