Modiff：基于去噪扩散概率模型的动作条件化三维运动生成
计算机视觉与模式识别
2023-03-29 v2
摘要
基于扩散的生成模型近来已成为多个领域高质量合成的有力解决方案。利用双向马尔可夫链，扩散概率模型通过在前向扩散过程中学习到的分布映射推断反向马尔可夫链来生成样本。在本工作中，我们提出 Modiff，一种利用去噪扩散概率模型（DDPM）的条件范式，以解决真实且多样的动作条件化基于三维骨架的运动生成问题。我们是首个使用 DDPM 来合成以类别化动作为条件、数量可变的运动序列的尝试。我们在大规模 NTU RGB+D 数据集上评估了我们的方法，并显示出优于最先进运动生成方法的性能。
引用
@article{arxiv.2301.03949,
title = {Modiff: Action-Conditioned 3D Motion Generation with Denoising Diffusion Probabilistic Models},
author = {Mengyi Zhao and Mengyuan Liu and Bin Ren and Shuling Dai and Nicu Sebe},
journal= {arXiv preprint arXiv:2301.03949},
year = {2023}
}