BiPO：用于文本到运动合成的双向部分遮挡网络
计算机视觉与模式识别
2026-01-30 v4 图形学
摘要
从文本描述生成自然且富有表现力的人类动作，因全身动力学协调和捕捉长序列中细微运动模式的复杂性而具有挑战性。为此，我们引入BiPO——双向部分遮挡网络（Bidirectional Partial Occlusion Network for Text-to-Motion Synthesis），一种新型模型，通过将基于部件的生成与双向自回归架构集成，增强文本到运动合成能力。该集成使BiPO能够在生成过程中考虑过去和未来的上下文，同时在无需 ground-truth 动作长度的情况下，对单个身体部位实现更细致的控制。为松弛因集成导致的身体部件之间的相互依赖性，我们设计了部分遮挡技术，在训练期间以概率方式遮挡特定运动部分的信息。在全面实验中，BiPO 在 HumanML3D 数据集上实现了最先进的性能，超越了ParCo、MoMask 和 BAMM 等近期方法在 FID 分数和整体运动质量方面的表现。值得注意的是，BiPO 不仅在文本到运动生成任务中表现出色，还在运动编辑任务中表现突出，即基于部分生成的运动序列和文本描述合成运动。这些结果表明BiPO在推动文本到运动合成方面具有有效性，并具备实际应用的潜力。
引用
@article{arxiv.2412.00112,
title = {BiPO: Bidirectional Partial Occlusion Network for Text-to-Motion Synthesis},
author = {Seong-Eun Hong and Soobin Lim and Juyeong Hwang and Minwook Chang and Hyeongyeop Kang},
journal= {arXiv preprint arXiv:2412.00112},
year = {2026}
}
备注
18 pages, 11 figures. Accepted to WACV 2026 (Oral)