Dyadic Mamba：基于双位数的长期人类动作合成

从文本描述生成逼真的双人人类动作具有诸多挑战，尤其是对于超出常规训练序列长度的长时间交互。虽然最近基于变换器的方法在短期双人动作合成方面取得了有前景的成果，但在处理更长序列时仍受位置编码方案固有限制。本文引入 Dyadic Mamba，一种新方法，利用状态空间模型（SSM）生成任意长度的高质量双人人类动作。我们的方法采用一种简单而有效的架构，通过拼接实现Individual motion sequences 之间的信息传递，无需复杂的跨注意力机制。我们展示，Dyadic Mamba 在标准短期基准上实现了与现有方法相当的性能，但在更长序列上显著优于基于变换器的方法。此外，我们提出了一个新的基准，用于评估长期动作合成质量，为未来研究提供了标准化框架。我们的结果表明，SSM 基于架构为解决从文本描述生成长期双人人类动作合成这一挑战性任务提供了有前景的方向。