FineXtrol：通过细粒度文本实现可控运动生成

近期研究致力于增强文本驱动运动生成的可控性和精确性。一些方法利用大型语言模型 (LLM) 生成更详细的文本，而另一些方法则将全局 3D 坐标序列作为额外的控制信号。然而，前者常引入不一致的细节且缺乏明确的时间线索，后者在将坐标转换为标准运动表示时计算成本较高。为此，我们提出了 FineXtrol，一种 novel 的控制框架，通过描述特定身体部位随时间的运动的细粒度、时间感知、用户友好且可控的文本控制信号来指导高效运动生成。为支持该框架，我们设计了一个层次化对比学习模块，该模块鼓励文本编码器为我们的 novel 控制信号生成更具辨别力的嵌入，从而提高运动的可控性。定量结果表明，FineXtrol 在可控运动生成方面表现出色，而定性分析则证明了其在指导特定身体部位运动方面的灵活性。