B样条运动用于文本引导的动态3D人物生成

文本引导的动态3D人物生成取得了快速进展，但生成高质量运动以忠实反映丰富文本描述仍具有挑战。现有方法倾向于生成有限的子动作或不连贯的运动，因为固定长度的时序输入和离散的帧级表示无法捕获丰富的运动语义。我们通过表示连续可微B样条曲线来克服这些限制，实现更有效的运动生成而无需修改底层生成模型的能力。具体地，我们的闭式、拉普拉斯正则化B样条求解器高效地将可变长度运动序列压缩为具有固定控制点数的紧凑表示。进一步，我们引入一种正规化策略用于输入形状沿线的 adherent，以及基于对应关系和局部刚性损失用于运动恢复质量。为训练我们的模型，我们收集了 BIMO 数据集，包含多样化的可变长度3D运动序列与丰富、高质量的文本注释。广泛的评估表明，我们的前馈框架 BiMotion 生成更具表达力、更高质量且更符合提示的运动，同时实现更快的生成。我们的项目页面位于：https://wangmiaowei.github.io/BiMotion.github.io/。