用于人体运动合成与编辑的运动流匹配
计算机视觉与模式识别
2023-12-15 v1
摘要
人体运动合成是计算机动画中的一项基础任务。基于扩散模型或GPT结构的近期方法展现出了令人满意的性能，但在采样速度慢和误差累积方面存在缺点。在本文中，我们提出了一种名为“运动流匹配”的新型生成模型，专为人体运动生成而设计，具有高效采样和在运动编辑应用中的有效性。我们的方法将采样复杂度从以往扩散模型中的数千步降至仅十步，同时在文本到运动和动作到运动的生成基准上取得了可比的性能。值得注意的是，我们的方法在KIT-ML数据集上创造了新的SOTA Fréchet Inception Distance。此外，我们利用ODE式生成模型量身定制了一种名为“采样轨迹重写”的简单运动编辑范式，并将其应用于各种编辑场景，包括运动预测、运动中间预测、运动插值和上半身编辑。我们的代码将发布。
引用
@article{arxiv.2312.08895,
title = {Motion Flow Matching for Human Motion Synthesis and Editing},
author = {Vincent Tao Hu and Wenzhe Yin and Pingchuan Ma and Yunlu Chen and Basura Fernando and Yuki M Asano and Efstratios Gavves and Pascal Mettes and Bjorn Ommer and Cees G. M. Snoek},
journal= {arXiv preprint arXiv:2312.08895},
year = {2023}
}
备注
WIP