MoLA：基于对抗训练的潜在扩散运动生成与编辑

在文本到运动生成中，可控性以及生成质量和速度日益受到关注。可控性挑战包括生成长度与给定文本描述匹配的运动，以及根据控制信号（如起始-结束位置和骆驼峰轨迹）编辑生成的运动。本文提出MoLA，实现快速、高质量、可变长的运动生成，并能在单一框架内处理多种编辑任务。我们的方法重新审视模型输入输出中使用的运动表示，引入激活变量以实现可变长运动生成。此外，我们集成变分自编码器和潜在扩散模型，并通过对抗训练实现高质量快速生成。我们还应用训练自由的引导生成框架，以实现运动控制输入下的各种编辑任务。我们定量地展示了对抗学习在文本到运动生成中的有效性，并展示了编辑框架在运动领域多个编辑任务中的适用性。