无可见驱动源下的角色运动控制
人工智能
2023-08-14 v1 机器学习
摘要
如何在不依赖任何驱动源的情况下生成多样、逼真且无限长的头部/身体序列?我们认为这一研究不足的问题绝非平凡,其背后存在独特技术挑战。若无来自驱动源的语义约束,使用标准自回归模型生成无限长序列易引发 1) 因误差累积导致的分布外(OOD)问题,2) 不足以产生自然逼真运动序列的多样性匮乏,以及 3) 沿时间轴不期望的周期性模式。为应对上述挑战,我们提出一种系统框架,将 VQ-VAE 与一种新颖的、使用精心设计的奖励函数经强化学习训练得到的 token 级控制策略的优势相结合。高层先验模型可轻松置于其上以生成无限长且多样的序列。尽管我们当前聚焦于无驱动源,我们的框架可推广至带显式驱动源的受控合成。通过综合评估,我们得出结论:所提框架能解决上述所有挑战,并显著优于其他强基线。
引用
@article{arxiv.2308.06025,
title = {Controlling Character Motions without Observable Driving Source},
author = {Weiyuan Li and Bin Dai and Ziyi Zhou and Qi Yao and Baoyuan Wang},
journal= {arXiv preprint arXiv:2308.06025},
year = {2023}
}