DisCoRD：离散标记到连续运动通过梯形流解码
计算机视觉与模式识别
2025-08-08 v4 人工智能
机器学习
摘要
人类运动本质上是连续且动态的，这对生成模型构成重大挑战。虽然离散生成方法广泛使用，但其表征力度有限，存在逐帧噪声伪影。相比之下，连续方法产生更平滑、更自然的运动，但常常难以适应条件信号，因为高维复杂性和训练数据有限。为解决离散与连续表示之间的此类“冲突”，我们提出DisCoRD：离散标记到连续运动通过梯形流解码，这是一种新方法，利用梯形流解码离散运动标记于连续、原始运动空间。我们的核心思想是将标记解码建模为条件生成任务，确保DisCoRD捕获细粒度动态特性，实现更平滑、更自然的运动。该方法与任何基于离散的框架兼容，在不损害对条件信号忠实度的前提下提升了自然性。广泛的评估表明，DisCoRD在HumanML3D上实现了0.032的FID分数，在KIT-ML上实现了0.169的FID分数。这些结果将DisCoRD确立为连接离散效率与连续真实性之间鸿沟的稳健解决方案。项目网站：https://whwjdqls.github.io/discord-motion/
引用
@article{arxiv.2411.19527,
title = {DisCoRD: Discrete Tokens to Continuous Motion via Rectified Flow Decoding},
author = {Jungbin Cho and Junwan Kim and Jisoo Kim and Minseo Kim and Mingu Kang and Sungeun Hong and Tae-Hyun Oh and Youngjae Yu},
journal= {arXiv preprint arXiv:2411.19527},
year = {2025}
}
备注
11 pages