PAMD：用于长舞蹈生成的合理性感知运动扩散模型

计算性舞蹈生成在艺术、人机交互、虚拟现实和数字娱乐等许多领域至关重要，特别是用于生成连贯且富有表现力的长舞蹈序列。基于扩散的音乐到舞蹈生成已取得显著进展，但现有方法仍难以生成物理上合理的运动。为了解决这一问题，我们提出了合理性感知运动扩散（PAMD），这是一个用于生成既与音乐对齐又在物理上逼真的舞蹈的框架。PAMD的核心在于合理运动约束（PMC），它利用神经距离场（NDFs）对实际姿态流形进行建模，并引导生成的运动走向物理有效的姿态流形。为了在生成过程中提供更有效的指导，我们引入了先验运动指导（PMG），它将站立姿态作为辅助条件与音乐特征结合使用。为了进一步增强复杂运动的逼真度，我们引入了带有脚-地接触的运动细化（MRFC）模块，该模块通过弥合线性关节位置空间中的优化目标与非线性旋转空间中的数据表示之间的差距，来解决脚部滑动的伪影问题。大量实验表明，PAMD显著提高了音乐对齐性并增强了生成运动的物理合理性。项目页面位于：https://mucunzhuzhu.github.io/PAMD-page/。