用于人体运动合成的确定性到随机性多样化潜在特征映射
计算机视觉与模式识别
2025-05-05 v1
摘要
人体运动合成旨在生成合理的人体运动序列，这在计算机动画领域引起了广泛关注。近期基于分数的生成模型（SGM）在此任务上展示了令人印象深刻的结果。然而，它们的训练过程涉及复杂的曲率轨迹，导致训练过程不稳定。在本文中，我们提出了一种用于人体运动合成的确定性到随机性多样化潜在特征映射（DSDFM）方法。DSDFM 包含两个阶段。第一阶段的人体运动重建阶段旨在学习人体运动的潜在空间分布。第二阶段多样化运动生成阶段旨在建立高斯分布与人体运动潜在空间分布之间的联系，从而增强生成人体运动的多样性和准确性。该阶段通过设计的基于 DerODE 的确定性特征映射过程和基于 DivSDE 的随机多样化输出生成过程来实现。与以往基于 SGM 的方法相比，DSDFM 易于训练，并且可以在不引入额外训练参数的情况下增强多样性。通过定性和定量实验，DSDFM 取得了超越最新方法的最先进结果，验证了其在人体运动合成中的优越性。
引用
@article{arxiv.2505.00998,
title = {Deterministic-to-Stochastic Diverse Latent Feature Mapping for Human Motion Synthesis},
author = {Yu Hua and Weiming Liu and Gui Xu and Yaqing Hou and Yew-Soon Ong and Qiang Zhang},
journal= {arXiv preprint arXiv:2505.00998},
year = {2025}
}