PALUM：基于部件的注意力学习用于统一运动重定向
计算机视觉与模式识别
2026-01-13 v1
摘要
在不同骨骼结构的角色之间重定向运动是计算机动画中的一个基本挑战。当源角色和目标角色具有截然不同的骨骼排列时，保持原始运动的语义和质量变得越来越困难。我们提出了PALUM，一种新颖的方法，通过将关节划分为语义身体部位并应用注意力机制来捕获时空关系，从而学习跨不同骨骼拓扑的通用运动表征。我们的方法通过利用这些与骨骼无关的表征以及目标特定的结构信息，将运动转移到目标骨骼。为了确保鲁棒学习并保持运动保真度，我们引入了一种循环一致性机制，在整个重定向过程中保持语义连贯性。大量实验表明，在处理多样化的骨骼结构时，即使泛化到以前未见过的骨骼-运动组合，也能保持运动真实感和语义保真度，表现出优越的性能。我们将公开我们的实现以支持未来的研究。
引用
@article{arxiv.2601.07272,
title = {PALUM: Part-based Attention Learning for Unified Motion Retargeting},
author = {Siqi Liu and Maoyu Wang and Bo Dai and Cewu Lu},
journal= {arXiv preprint arXiv:2601.07272},
year = {2026}
}