ClusterStyle：基于原型聚类的内式式多样性建模用于风格化运动生成
计算机视觉与模式识别
2025-12-03 v1
摘要
现有风格化运动生成模型已展现出对特定风格信息的强大理解能力，能够将其注入内容运动中。然而，捕捉单一风格对应的多样化运动变化（intra-style diversity）仍是重大挑战。本文提出一种基于聚类的框架——ClusterStyle，以原型（prototypes）有效建模同一风格类别下运动的多样化风格模式。我们考虑两种风格多样性：全局层面的风格运动类别间多样性，以及局部层面上运动序列时序动态中的多样性。这些组件共同塑造两个结构化的风格嵌入空间，即全局空间与局部空间，通过与非可学习的原型锚（prototype anchors）对齐进行优化。此外，我们引入Stylistic Modulation Adapter（SMA）来增强预训练的文本到运动生成模型，实现风格特征的集成。大量实验表明，我们的方法在风格化运动生成和运动风格迁移任务上超越了现有最先进模型。
引用
@article{arxiv.2512.02453,
title = {ClusterStyle: Modeling Intra-Style Diversity with Prototypical Clustering for Stylized Motion Generation},
author = {Kerui Chen and Jianrong Zhang and Ming Li and Zhonglong Zheng and Hehe Fan},
journal= {arXiv preprint arXiv:2512.02453},
year = {2025}
}